计算机视觉图像算法面经

写在前面

今年CV方向算法工程师非常难找,投递CV算法的毕业生越来越多,各个CV岗位(包括研究岗与业务线上的算法工程师岗)对于求职人员的要求也越来越高。

这里本文以自己春招实习以及秋招的经历为基础,整理秋招求职的视觉图像算法中的经常会遇到的一些面试问题。主要整理一些常问的基础知识以及算法知识。由于每个人自己的项目不同,岗位的不同问题也会有一些不同,这些基础问题应该是都有所理解的,这些基础知识作为查漏补缺来看吧。

1. 机器学习

梯度下降法与牛顿法

感知机的计算公式

K近邻中kd树的思路

朴素贝叶斯的推导以及假设条件

ID3,C4.5,CART决策树的计算流程

Logistic回归的极大似然推导

SVM的推导,KKT条件,原问题与对偶问题的联系

Adaboost,梯度提升决策树,GBDT,XGboost

L1正则化为什么能够获得稀疏解

2. 深度学习

RCNN系列算法的演进过程,重点详细介绍Faster RCNN算法

YOLO系列算法(v1-v4)的演进以及每个算法的特点

YOLOv3的主要改进

YOLOv4的主要改进

SSD系列算法(SSD,DSSD等算法)

two-stage算法主要慢在哪儿

ROIpooling,RoiAlign的计算

RetinaNet解决什么问题

Focal Loss的计算

Batch Normalization的作用

BN的计算公式

BN中偏移因子与缩放因子的作用

训练和测试时BN的不同点

多卡的BN如何实现同步(一次同步与两次同步)

Normalization的几种形式的计算(BN,Layer Normalization,Instance Normalization,Group Normalization)

DNN的反向传播推导

CNN的反向传播

池化层的反向传播

img2col的计算

ResNet到底解决了什么问题

感受野计算

普通卷积,Group卷积,深度可分离卷积的计算量与参数量

IOU计算(代码)

NMS(代码)

soft-NMS(代码)

MobileNet与shuffleNet特点

MobileNetv1与v2的改进

K-means聚类anchor的思路以及代码

anchor-free的算法都知道哪些

DETR算法介绍一下

FPN为何能够提升小目标的精度

Softmax与sigmoid计算公式

softmax交叉熵损失的梯度

分类为何采用交叉熵损失而不是均方差损失

TP、TF、FP、FN的计算

precision、recall、F1score、accuracy的计算

ROC、AUC、MAP的计算

各种回归损失的计算以及优缺点(L1loss,L2loss,smooth L1loss,IOU Loss, GIOULoss,DIOUloss,CIOULoss)

带有warmup的cosine学习率计算

说说了解到的几种分割算法

Transformer的原理以及VIT的了解

各种优化器的计算公式(GD,SGD,batch GD,SGD+momentum,NAG,AdaGrad,RMSProp,Adam)

CNN的平移不变性的理解

Dropout具体是怎么做的,训练和测试时有什么不一样

神经网络的深度和宽度理解

SIFT与HOG

Transformer相比较CNN的优缺点

雅可比矩阵与海塞阵(一阶导与二阶导)

深度可分离卷积的优缺点,Mobilenet是否一定快

Faster RCNN回归的公式。

权重初始化的方案(Xavier,kaiming_normal)

数据增广的常用方案

数据类别不均衡的解决方案

半监督算法

自监督算法

自监督中的崩溃解问题的理解

Triplet Loss

3. 图像处理

各种图像边缘检测算子(sober算子,Robert算子,Prewitt算子,Laplace算子,canny算子)

低通高通滤波器

降噪

形态学处理(腐蚀以及膨胀)

图像量化

4. linux常用命令

查找文件命令(whereis,which,find,grep,locate)

查看进程

杀死进程

ssh,scp

nohup &

文件权限

5. c++基础

c++编译过程

静态链接库与动态链接区别

cmakelist文件

6. python基础

python多线程,多进程

python的GIL

生成器与迭代器

装饰器

深浅拷贝

#面经##计算机视觉岗#
全部评论
年薪40万?
1 回复 分享
发布于 2021-10-09 13:34
tql
点赞 回复 分享
发布于 2021-10-12 00:21
KKT也问的太深了吧,对偶已经过了感觉
点赞 回复 分享
发布于 2021-10-11 09:52

相关推荐

07-25 11:26
清华大学 Java
打开电脑,思绪又回到了7月份刚开始的时候,感觉这个月过的如梦如幻,发生了太多事,也算是丰富了我本就是平淡的人生吧太早独立的我习惯了一切都是自己做决定,拥有绝对的决定权,而且永远不会听取别人的建议。我就是那个恋爱四年出轨的男主啦,感觉既然在牛客开了这个头,那我就要做个有始有终的人。从我出轨到结束再到和女朋友和好如初真的太像一场梦了,短短的一个月我经历了太多,也成长了很多,放下了那些本就不属于我的,找回了那些我不该放弃的。我的人生丰富且多彩,但人不能一直顺,上天总会让你的生活中出点乱子,有好有坏,让你学会一些东西,让你有成长。我和女朋友的恋爱四年太过于平淡,日常除了会制造一些小浪漫之外,我们的生活...
段哥亡命职场:不得不说,我是理解你的,你能发出来足见你是个坦诚的人,至少敢于直面自己的内心和过往的过错。 这个世界没有想象中那样非黑即白,无论是农村还是城市,在看不见的阴影里,多的是这样的事。 更多的人选择站在制高点去谩骂,一方面是社会的道德是需要制高点的,另一方面,很多人不经他人苦,却劝他人善。 大部分的我们,连自己生命的意义尚且不能明晰,道德、法律、困境,众多因果交织,人会迷失在其中,只有真的走出来之后才能看明白,可是没走出来的时候呢?谁又能保证自己能走的好,走的对呢? 可是这种问题有些人是遇不到的,不去追寻,不去探寻,也就没了这些烦恼,我总说人生的意义在过程里,没了目标也就没了过程。 限于篇幅,没法完全言明,总之,这世界是个巨大的草台班子,没什么过不去了,勇敢面对,革故鼎新才是正确,祝你早日走出来。查看图片
点赞 评论 收藏
分享
06-17 22:34
湖南工学院 Java
点赞 评论 收藏
分享
不愿透露姓名的神秘牛友
07-24 13:40
点赞 评论 收藏
分享
评论
53
453
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务