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

03-30 12:29
已编辑
南京大学 Java
作为一名本科选择转专业到计算机,天赋平平的一个学生,最终也顺利在这一年完成互联网的通关。回首这一年,从多次面试被拒的低谷,最后很多大厂都开了非常不错的package,之间经历了太多太多。最近也刚好是暑期实习投递的高峰期,借此分享一些自己的小经验。简历很重要一份好的简历可以迅速让你脱颖而出,简历不仅仅要表达你做过什么事情,更要用详细可以量化的数据阐述你项目或实习解决的痛点带来的收益,需要给面试官呈现你做过的细节,比如说不要只写“负责社交媒体运营”,而且“通过优化发布策略,在?个月内将粉丝量增长?%,互动率提升?%”,技术岗同样可以详细写实现的细节尽早投递招聘往往快于想象,不要想着暑期实习5、6月再去面试,也不要想着准备好了再去,边面边准备永远是最有效率的充分利用内推这里的内推不是指社交平台上找到的内推码,内推码约等于0作用,真正的内推可以找在大厂的师兄师姐或熟悉的人部门内有没有空缺的岗位,可以直推给组长,只有能把简历直接给到组长或者hr才是有用的内推不要害怕失败大厂面试挂人,不一定是自己不优秀,招满人了or面试官风格or岗位不匹配都会有可能让你失败。及时总结面试的问题,主动把面试官引入自己熟悉的领域,对于不会的问题也要尝试说出自己的思考和理解以上经验都是我摸爬滚打总结出来的,如果有小伙伴想一起交流可以私信我,最后还想说的是,互联网不一定是个完美无瑕的地方,秋招是除了腾讯字节,美团、快手、华为、虾皮、阿里、携程这些互联网都发了offer,但深入了解后会发现,各个互联网都有自己的风格和优缺点,有时候合适的组会让我们当牛马时都会更轻松
点赞 评论 收藏
分享
序 朋友们,好久不见。 笔者在过去消失的五个月里被困在情绪牢笼中过的相当煎熬,一度丢失自己,觉得整个世界都是昏暗的。 庆幸的是靠着自己纯硬扛也是走出来了。表达欲再度回归,所以真的很开心还有机会能在再和大家见面。 破碎秋招 抑郁情绪的引爆点必然是秋招期间遭受的打击了,从去年九月份腾讯转正被告知失败之后就开始疯狂投递简历,每天都在经历:简历挂、一面挂、二面挂、三面挂、HR面挂,每天睁开眼就被无所适从的挫败感包围。 秋招的特点是即便流程走到最后一步也不一定会 offer,因为还需要进入大池子进行横向对比,俗称泡池子,而这一泡我的大多数面试流程到后面就没了后文,这一度让我感觉非常绝望。我深知自己学历并...
SoNiC_X:我已经工作快2年了,当时高考没考好没去到想去的学校,觉得天要塌了;校招找不到工作,觉得天要塌了;现在工作觉得看不到未来,觉得天要塌了;最近最大的感悟就是:天会一直塌,但是生活也会一直继续下去,还是要调整好自己的心态,不要因为一时的困难把自己困住,要记住完蛋的日子永远在后头
点赞 评论 收藏
分享
评论
53
450
分享

创作者周榜

更多
牛客网
牛客企业服务