求助:今天B站面试的关于CNN的问题

今天B站一面,问到CNN。
问为什么CNN在图像问题上比较work?
我答了两点,首先是卷积相当于一个滤波器,通过滑窗机制可以捕捉一张图片不同位置的某些特征;另外,多个卷积核使得不同特征的信息能够得以融合;第二点我说由于权值共享的特性,减少了参数量;感觉好像面试官不是很满意,求问这个问题面试一般怎么回答啊?(能给个传送门就更好了😃

另外,还提到了图像问题里的特征工程,话说我感觉传统方法还有Hog,canny这些提特征的方法,没怎么见过深度学习还自己搞特征工程了吧?(还是面试官是想问我传统的方法,被我理解偏了?
#面试题目##哔哩哔哩#
全部评论
请问是投的b站cv嘛?我没找到cv算法😂
点赞 回复 分享
发布于 2019-08-29 16:50
标记一下,我也很烦这种明明是靠结果说话却偏偏要你脑补点原因的问题
点赞 回复 分享
发布于 2019-08-31 17:54
感觉是从图像和文本特征表示的角度答。图像本来就是由一个一个像素实值组成的,一般使用cnn学图像特征就是想实现降维,像素点与像素点之间没有时序关系;而文本的表示最原始的表示就不像图像那么确定,而且单词与单词之间的结构化信息会比较复杂(语法什么的),也有时序上的关系,如果用CNN卷积降维会丢失很多关键的信息。(和博士师姐讨论的结果,只是我们的理解)
点赞 回复 分享
发布于 2019-09-02 22:51
请问楼主之前8.20号参加b站笔试了吗?
点赞 回复 分享
发布于 2019-09-04 14:59

相关推荐

球球别再泡了:坏,我单9要了14
点赞 评论 收藏
分享
听说改名字就能收到offer哈:Radis写错了兄弟
点赞 评论 收藏
分享
点赞 4 评论
分享
牛客网
牛客企业服务