计算机视觉图像算法面经

Posted 小哲AI

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了计算机视觉图像算法面经相关的知识,希望对你有一定的参考价值。

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

上边的基础知识,大家是不是都有很好的理解呢,在评论区大家一起交流一下,这些知识太多,整理起来太麻烦,如果需要的人较多,我就整理一下对于这些问题我自己的理解。

推荐扫码关注小哲AI公众号,分享更多技术文档,一起交流学习

以上是关于计算机视觉图像算法面经的主要内容,如果未能解决你的问题,请参考以下文章

华为面经(机器视觉算法工程师)

面经-华为

计算机视觉算法——图像分割网络总结

计算机视觉常用算法讲解

计算机视觉算法——图像分类网络总结

计算机视觉图像映射与全景拼接