【秋招】计算机视觉面试题

最新推荐文章于 2024-09-05 18:27:40 发布

sxxblogs

最新推荐文章于 2024-09-05 18:27:40 发布

阅读量1.5k

点赞数 1

分类专栏： python 计算机理论文章标签：计算机视觉人工智能机器学习

本文链接：https://blog.youkuaiyun.com/sunnyblogs/article/details/124966417

版权

本文探讨了计算机视觉面试中常见的问题，包括如何提高深度学习模型的特征表示能力，防止过拟合的策略，处理样本不均衡问题的方法，以及滤波器的原理和应用。还涉及PCA降维、BN层的作用、SVM核函数、数据增强、深度学习模型压缩和优化等核心概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

计算机视觉相关：

1.如果提高深层神经网络的特征表示能力？

①增加隐藏层个数

②pooling操作

③使用非线性激活

如何防止过拟合？

①使用L1 L2正则化

②Dropout

③使用早停（现在基本不用），使深层神经网络早些停止以防止网络学习到的参数过多而造成过拟合。

④BN

④数据增广

⑤减少模型
样本不均衡会造成什么问题，如何解决？

样本不均衡：不同类别的样本数量差异很大

样本不均衡的影响：模型很难学习到小样本的特征，容易造成过拟合

如何解决：采样（过采样小样本、欠采样多样本）、数据增广、改变正负样本的惩罚权重、、人工产生数据样本
均值滤波、高斯滤波、中值滤波、双边滤波

均值滤波器和高斯滤波器属于线性滤波器。非线性滤波器的原始数据与滤波结果是一种逻辑关系，即通过比较一定邻域内的灰度值大小来实现的。

从待处理图像首元素开始用模板对原始图像进行卷积。均值滤波直观地理解就是用相邻元素灰度值的平均值代替该元素的灰度值，高斯滤波是用高斯核函数对图像进行卷积操作。

应用场景：

均值滤波：均值模糊无法克服边缘像素信息丢失的缺陷（缺点是图像会丢失边缘信息），不能保存细节

高斯滤波能够很好的抑制图像输入时随机引入的噪声，用于消除高斯噪声

中值滤波：对椒盐噪声有很好的抑制，常用于保护边缘信息

双边滤波：好处是可以做边缘保存（edge preserving），但是由于保存了过多的高频信息，对于彩色图像里的高频噪声，双边滤波器不能够干净的滤掉，只能够对于低频信息进行较好的滤波。

PCA降维

PCA（Principal Component Analysis）是一种常见的数据分析方式，常用于高维数据的降维，可用于提取数据的主要特征分量。在一维空间中我们可以用方差来表示数据的分散程度。而对于高维数据，我们用协方差进行约束，协方差可以表示两个变量的相关性。为了让两个变量尽可能表示更多的原始信息，我们希望它们之间不存在线性相关性，因为相关性意味着两个变量不是完全独立，必然存在重复表示的信息。

PCA的步骤：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0FlaehlW-1653462129947)(C:\Users\sxj96\AppData\Roaming\Typora\typora-user-images\1634020707808.png)]
BN的作用

①加快网络训练和收敛速度

②防止梯度消失或梯度爆炸

③防止过拟合
沿负梯度一定是最优方向
SVM， SVM核函数， SVM引入核函数的本质是什么
SIFT特征提取方法
数据增强方法
小样本训练深度神经网络，可以用什么方法提高性能
为什么要引入非线性激活
CNN模型压缩方法
CRF函数
冒泡排序
CNN特点
判别式模型与生成式模型
概率论与数理统计
二分查找
两个栈实现一个队列
超大正整数类加法
最大子数组
Triplet Loss
Precission 与Recall
极大似然估计与最大后验估计的联系与区别
Bayes optimal error
Step可以作为激活函数吗
常见的激活函数都有哪些，各有哪些优缺点
感受野如何计算
LSTM
Adam optimalizer中使用weight decay是否相当于在Loss中加入L2
SGD L2
贝叶斯分类器
L1 L2损失函数

L1 损失函数称为最小绝对误差，目标值与绝对值差值最小化。

L2损失函数称为最小平方误差，是吧目标值与预测值之间的误差的平方最小化。
C++多线程与多进程，进程如何开启和关闭
Linux常见命令 vi
C++ 中STL ，vector常见指令
```
string vector set list map
```
vector 就是动态数组，它也是在堆中分配内存，元素连续存放。它能够存放各种类型的对象。

容器特性：

顺序序列、动态数组、能够感知内存分配

顺序序列：容器中的元素按照严格的线性顺序排序，可以通过元素在序列中的位置访问对应的元素

动态数组：支持对序列中的任意元素进行快速直接访问，甚至可以通过指针进行该操作。

基本函数实现：
```
vector():创建一个空vector
vector(int nSize):创建一个vector，元素个数为nSize
void  push_back(const T& x):向向量尾部增加一个元素X
```
Python 列表与字典常见操作
图像中常见的颜色空间
python修饰器
Python GIL
Python 多线程多进程
如何用数学方法判断线性可分与线性不可分
局部最优怎么办
mask注意力机制
RNN LSTM GRU Transfromer
Transformer 为什么加位置编码
光流法
图片特征提取法 SIFT
KNN<