网易笔试题——计算机视觉_深度学习方向

Posted moonpie-sun

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了网易笔试题——计算机视觉_深度学习方向相关的知识,希望对你有一定的参考价值。

选择题知识点:

【1】大津法(OSTU算法)阈值分割中,阈值自动选择的思路是:

  C:最大化类间方差法选择阈值

解析:大津法(OTSU)是一种确定图像分割阈值的算法,由日本学者大津于1979年提出;原理上来讲,该方法又称作最大类间方差法,有时也称之为大津算法;其按照大津法求得的阈值进行图像二值化分割后,前景与背景图像的类间方差最大;其被认为是图像分割中阈值选取的最佳算法,计算简单,不受图像亮度和对比度的影响,因此在数字图像处理上得到了广泛的应用。

【2】关于矩阵的广义逆,下列表述不正确的是

  A. 若矩阵A的广义逆为B,则A*B*A=A,B*A*B=B

  B. 若矩阵A的广义逆为B,则A*B和B*A都是对称阵。

  C. 矩阵A一定存在确定唯一的广义逆。

  D. 矩阵A可能不存在广义逆。

正确答案:D
解析:矩阵的广义逆存在且唯一。
【3】支持向量机可以分为:
线性可分支持向量机,线性支持向量机和非线性支持向量机。
【4】
下列关于核函数的表述正确的是______
  A. 核函数即特征的映射关系。

  B. 多项式核函数只是将原始特征映射,并没有升维

  C. 高斯核函数将特征映射到无穷维

  D. 使用线性核函数的SVM是非线性分类器

正确答案:C
解析:
A.核函数即特征的映射关系。通俗理解:核函数和映射没有关系,核函数只是用来计算映射到高维空间之后的内积的一种简便方法。核函数本质上是对应于高维空间中的内积的,从而与生成高维空间的特征映射一一对应。
B.多项式核函数只是将原始特征映射,并没有升维,多项式核函数可以将原始维度映射到高维,高斯核函数可以将原始维度映射到无穷维。
C.高斯核函数将特征映射到无穷维,对于x1和x2的内积计算时用到了泰勒级数展开,即高斯核将数据映射到无穷高的维度。
D.使用线性核函数的SVM是非线性分类器, SVM在线性分类器上所做的重大改进——核函数。线性不可分时候可以使用核函数,变成线性可分。映射函数是非线性函数时,学习到的含有核函数的SVM就是非线性分类模型。 
【5】下列哪项不是SVM的优势_____
A. 可以和核函数结合
B. 通过调参可以往往可以得到很好的分类效果
C. 训练速度快
D. 泛化能力好
正确答案:C
【6】
以下算法中未用到贪心算法思想的是?
A. 迪杰斯特拉(Dijkstra)

B. 库鲁斯卡尔(Kruskal)

C. 普里姆算法(Prim)

D. KMP

正确答案:D
解析:迪杰斯特拉(Dijkstra)贪心策略是每次选可达的点中距离源点最近的点进行扩展,即贪心选取最短距离的点

库鲁斯卡尔(Kruskal) 贪心策略是每次选最短的边(刨除成环的边)来作为最小生成树,即贪心最短边

普里姆算法(Prim) 贪心策略是每次选可达的点中距离曾经扩展过的点中任意点的最短距离,类似Dij,只是不是找距离源点的最短距离

KMP 贪心策略0.0 不是贪心 是动态规划,动态规划的是当前状态失败之后上一次匹配的位置(求的是最长的与前缀子串匹配的左子串)

 


以上是关于网易笔试题——计算机视觉_深度学习方向的主要内容,如果未能解决你的问题,请参考以下文章

计算机视觉+深度学习面试笔试题整理

计算机视觉领域主流的算法和方向都有哪些?

计算机视觉岗常见面试题

参考《深度学习之PyTorch实战计算机视觉》PDF

嘉乐道新岗位:高级研究员(计算机视觉自然语言处理语音识别深度学习大数据机器人方向)/南京

深度学习下一阶段:神经架构自学习,带来最优计算机视觉模型