面试题2018-08

本文汇总了2018年多个公司的面试题,涵盖数据库操作(如join与子查询、Redis使用)、SpringBoot注解、线程池、SQL优化、MyBatis配置、HTTP请求、图片上传、Java内存模型以及设计模式等核心知识点,是技术面试复习的重要参考资料。
摘要由CSDN通过智能技术生成

1.兴业银行
   (1) left join ,join 的区别
   (2) join和子查询那个更好
  (3)设计一段代码把10000条房屋数据插入到表中,要求:
              字段校验
              房屋信息要放置在不同的表中,例如 bussness_house_table   rent_house_table   study_house_talbe ,所以house表的字段和字段类型存在差异.
  (4)redis缓存在项目中是怎么使用的;redis缓存有没有集群分布,有没有使用读写分离;redis怎么进行配置;redis如果集群的话怎么实现数据一致性
  (5)springboot中一些常用的注解
2.百盛软件
  (1)  super关键词;父类子类静态变量,构造器,方法的加载顺序(这两个知识点我掌握的不太好)
  (2)    线程池创建的几个参数的含义;线程池的几种阻塞队列;线程池的使用场景
   (3)    查询班级中学生各个的成绩
        表结构
        student_id  score  subject_name
   (4)    sql优化,有没有使用过索引来提高查询效率,什么是全盘搜索,怎么避免全盘搜索
  (5) 怎么删除数据库中重复的数据
  (6) redis的数据类型有哪些;redis序列化是怎么实现的,需要注意什么情况;
3.车团网
   (1)    mybatis配置mapping配置文件

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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