算法岗面试问题总结(四)

1. 介绍pointnet++

pointnet++是在pointnet的基础上提出的,它用于解决pointnet在场景分割时直接将所有的点最大池化成一个全局特征导致分割效果不好的问题。

pointnet++采用了分层点云采样的方法,把每一层的操作叫做一次set abstration,包括采样、分组和特征提取,首先通过最远采样点法(FPS)在点云上采样一些点,然后以这些点为中心在某一范围内寻找k个临近点组成局部子点云,接着对子点云使用pointnet作特征提取和池化操作,继续下一个set abstration。随着层数的增加,中心点的个数越来越少。这个过程类似于聚类操作。
在这里插入图片描述
进行分组的时候,需要选取策略,因为数据分布的密度不同,可能导致分组很不合理。

  1. 多尺度分组。依据多个尺度,譬如欧氏距离,曼哈顿距离等结合来进行分组,但是这样的分组会导致计算成本很高;
  2. 多分辨率分组。只利用两个尺度,一个是上一次set abstration得到的特征,另一个是根据当前数据获得的特征,联合这两个特征进行分组。

2. 请你说说Attention Model

注意力机制可以选择性地将注意力集中在较为显著的区域,以更好捕捉时空语义信息。
在这里插入图片描述
注意力机制主要用在自然语言处理、图像修复、超分辨率、风格迁移等,常用的策略包括空间注意力,通道注意力等。

空间注意力主要关注两个不同位置的特征信息,寻找两个位置特征之间在时间空间上的依赖关系,用在视频动作识别;
通道注意力增强有用通道的响应,削弱影响较小的通道响应,一般将通道融合和注意力机制结合。一般用于图像处理。

3. k-means簇心随机确定不好,有没有什么办法?

  • one: 随机选取初始簇心,然后进行多次聚类,将每次聚类的SSE(误差平方和)作比较,选择最小的那个。但是这个方法还是随机确定的,而且增加了计算的复杂度;
  • two:先利用其他聚类技术进行聚类࿰
### 算法面试常见问题总结 算法位的面试通常会涉及多个方面的考察,包括但不限于基础理论、编程能力以及实际应用中的解决问题的能力。以下是针对算法面试的一些常见问题及其解决思路: #### 基础知识部分 基础知识是算法面试的核心之一,涵盖了数据结构与算法的设计和实现。 - **链表操作** 如何反转单向链表是一个常见的问题。可以通过迭代或者递归的方式完成这一任务[^1]。 ```python class ListNode: def __init__(self, val=0, next=None): self.val = val self.next = next def reverseList(head: ListNode) -> ListNode: prev = None curr = head while curr is not None: temp = curr.next curr.next = prev prev = curr curr = temp return prev ``` - **二叉树遍历** 实现前序、中序和后序遍历也是经典问题。可以采用递归方法轻松处理这些问题[^2]。 ```python class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def preorderTraversal(root: TreeNode): if root is None: return [] result = [root.val] result += preorderTraversal(root.left) result += preorderTraversal(root.right) return result ``` #### 编程实践部分 除了纯理论的知识外,还需要具备一定的实战经验,尤其是在面对具体业务场景时如何优化解决方案。 - **动态规划** 动态规划是一种重要的解题策略,在求解最短路径等问题中有广泛应用。例如斐波那契数列可以用动态规划高效计算[^3]。 ```python def fib(n: int) -> int: dp = [0]*(n+1) if n >= 1: dp[1] = 1 for i in range(2,n+1): dp[i] = dp[i-1]+dp[i-2] return dp[n] ``` - **深度优先搜索 (DFS)** 和 广度优先搜索 (BFS)** DFS/BFS 是图论中最基本的操作方式,可用于迷宫探索等多种场合。下面展示了一个简单的 BFS 示例用于寻找无权图两点间距离[^4]。 ```python from collections import deque def bfs(graph, start_node, end_node): visited = set() queue = deque([(start_node, 0)]) while queue: node, dist = queue.popleft() if node == end_node: return dist if node not in visited: visited.add(node) neighbors = graph[node] for neighbor in neighbors: if neighbor not in visited: queue.append((neighbor, dist + 1)) return -1 ``` #### 面试技巧分享 为了更好地应对算法面试,可以从以下几个方面入手准备: - 复习并熟练掌握常用的数据结构及相应算法; - 练习历年真题,熟悉高频考点; - 学会在有限时间内清晰表达自己的思考过程,并逐步完善答案; ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值