计算机视觉算法工程师面试必知10个最难回答问题（面试常考，建议收藏！）

已于 2022-08-24 13:56:50 修改
阅读量1.5k 收藏 10
点赞数 1
分类专栏： Java 人工智能 文章标签： java 面试 开发语言
于 2022-06-24 17:24:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_60720471/article/details/125449516
版权

1. 介绍目标检测网络yolo系列以及ssd系列的原理。yolo对小目标检测不好的原因，除了缩小anchor外还可以如何改善?

大概介绍了一下，yolo及ssd是one-stage目标检测网络的代表，以及他们各自的backbone、anchor box生成方式，最近整理了一下yolo系列的各种创新点

解决小目标检测不好几种方法：

增加输入图像分辨率

混合多尺度特征

设置更小更稠密的anchor

卷积神经网络设计时尽量度采用步长为1，尽可能保留多的目标特征。

2. 如何防止过拟合?

在数据层面，做数据增广，筛选高质量的特征

在网络层面，选择较简单的模型，网络剪枝，加入正则项，加drop out层，加BN层

在训练操作层面，使用Early Stopping

3. 样本中正负样本不平衡

最低0.47元/天 解锁文章
人工智能小园子
关注
专栏目录
计算机视觉 图像算法工程师 面试问题总结
weixin_42486139的博客
06-09 6399
1. 介绍目标检测网络yolo系列以及ssd系列的原理。yolo对小目标检测不好的原因，除了缩小anchor外还可以如何改善？yolov3有何创新？ 大概介绍了一下，yolo及ssd是one-stage目标检测网络的代表，以及他们各自的backbone、anchor box生成方式 小目标检测不好，我答可能是因为anchor太大，缩小anchor，面试官继续问，除了缩小anchor，还能如何改善？ 语塞。。。。（望有识之士补充） yolov3加入了anchor机制（应该没说全） 2. 样..
字节跳动（秋招）计算机视觉算法工程师岗面试题分享
julyedu_7的博客
01-20 3436
问题1：BN过程，为什么测试和训练不一样？ 对于BN，在训练时，是对每一批的训练数据进行归一化，也即用每一批数据的均值和方差。 而在测试时，比如进行一个样本的预测，就并没有batch的概念，因此，这个时候用的均值和方差是全量训练数据的均值和方差，这个可以通过移动平均法求得。 对于BN，当一个模型训练完成之后，它的所有参数都确定了，包括均值和方差，gamma和bata。 问题2：Leeetcode：160相交链表 方法一：暴力解法 对于A中的每一个结点，我们都遍历一次链表B查找是否存在重复结点
视觉算法工程师面试问题集锦，从基础到进阶，会介绍细节，持续更新中......
喝饱水没烦恼的博客
07-07 3682
CV面试会涉及的点，包括各种框架的使用以及框架的细节，目标检测，图像分割，图像识别，缺陷检测等等部分的常用算法的最通俗的解读
视觉工程师面试50问
qq_40239482的博客
08-19 2591
http://blog.sina.com.cn/s/blog_669692a60102x4ug.html
视觉算法工程师面试总结[2022春季 达摩院 美团 字节 华为]
qq_41685265的博客
04-21 2819
目录 [强调！不允许任何形式转载] 前言 阿里达摩院 面试岗位 笔试 一面 二面 美团 面试岗位 笔试 一面 二面 字节跳动 面试岗位 幸福里面试 推荐算法笔试 图像算法一面 图像算法二面 华为 面试岗位 笔试 一面 前言 最近找了一下视觉算法暑期实习生，笔试面试花了一个月，大厂的offer虽然还都没收到，但是先把经历记录一下，以防后边忘记了，也给未来准备找视觉算法岗位的同学一个小小的参考。还是说一下个人情况：985硕士，机械专业，传统点云与图...
计算机视觉算法工程师常见面试题1.pdf
04-21
本文总结了计算机视觉算法工程师常见的面试题，涵盖了反卷积、神经网络的万能逼近定理、Batch Normalization 和 Group Normalization、模型压缩、目标检测、深度学习优化等多个领域。 一、反卷积 反卷积也称为转置...
百度计算机视觉算法工程师面经（research岗，已offer）.pdf
04-21
百度计算机视觉算法工程师面经（research岗，已offer） 计算机视觉作为人工智能领域中最重要的分支之一，对图像和视频进行处理和分析，已经广泛应用于各种领域，包括自动驾驶、医疗健康、安全监控等。本文档中所...
百度计算机视觉算法工程师面试题（秋招）
weixin_48003282的博客
04-18 2031
1、对Transformer的理解 2、Leetcode—搜索旋转排序数组 3、Leetcode—二叉树层序遍历 4、Coding: 最小标记代价（类似Leetcode的72题：编辑距离） 5、防止过拟合的方法 6、数据不平衡问题处理
计算机视觉算法工程师面试准备
qq_40016998的博客
07-04 1754
图像算法工程师面试常见题基础深度学习框架tensorflowmxnetpytorch分布式计算pytorch--nn.module深度学习基础概念常见模型开发工具/语言项目 基础 深度学习框架 tensorflow 用数据流图来进行数值计算，数据流图是描述有向图的数值计算过程，有向图中的结点表示为数学运算，边表示传输多维数据，节点也可以被分配到多个设备，从而执行并行操作。 有server，worker，client。worker间是可以通信的，可以根据op的依赖关系主动收发数据。一个gpu负责一个或几个op
计算机视觉算法岗面试题目和复习知识点汇总
Devin的博客
12-02 1037
计算机视觉算法岗面试题目和复习知识点汇总
机器视觉面试题很详细很有用（无答案）
12-18
机器视觉面试题很详细很有用，放心下载绝对值得！
视觉工程师面试指南_选择正确视觉效果的终极指南
weixin_26732881的博客
08-24 425
视觉工程师面试指南When it comes to effective data visualization, the very first and also the most critical step is to select the right graph/visual for the data that you want to present. With a wide range of v...
计算机视觉算法岗面试
xxnote的博客
03-22 789
转自https://blog.csdn.net/qq_28214097/article/details/80007627 https://blog.csdn.net/qq_28214097/article/details/80007627 SVM: 线性回归： 逻辑回归： tensorflow原理、细节： SIFT原理： 拉普拉斯图像融合算法： PCA原理： 反向传播原理： 梯度消失的原因和解决办...
机器视觉最全面试题总结
最新发布
@bangbang的博客
12-03 3868
空洞卷积(Atrous Convolution)也叫做膨胀卷积、扩张卷积，最初的提出是为了解决图像分割在用下采样（池化、卷积）增加感受野时带来的特征图缩小，后再上采样回去时造成的精度上的损失。空洞卷积通过引入了一个扩张率的超参数，该参数定义了卷积核处理数据时各值的间距。可以在增加感受野的同时保持特征图的尺寸不变,从而代替下采样和上采样a. 是普通的卷积过程(dilation rate = 1),卷积后的感受野为3b. 是dilation rate = 2的空洞卷积,卷积后的感受野为5。
计算机视觉(AI)面试大全
sazass的博客
06-04 7244
面试题
计算机视觉算法岗面试题
qq_38109843的博客
08-05 2万+
大佬的面试经验：https://www.nowcoder.com/discuss/128148 以及大佬的博客：https://blog.csdn.net/liuxiao214/article/details/83043170
面试笔试整理3：深度学习机器学习面试问题准备（必会）
热门推荐
woaidapaopao的博客
09-07 7万+
第一部分：深度学习 1、CNN 1、CNN问题 2、如何减少参数 权值共享、VGG的感受野、GoogLeNet的inception 3、激活函数选择 4、filter的尺寸选择 5、pooling的作用 6、常用的几个模型 2、RNN 1、RNN、LSTM、GRU 推导forget gate，input gate，cell state， hidden information
面经 | 商汤科技计算机视觉岗【二面】
zero的博客
10-15 1919
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达作者：收割offer机链接：https://www.nowcoder.com/discuss...
顺丰科技视觉算法工程师面经分享
julyedu_7的博客
01-18 2186
问题1：在原地即不使用任何额外的空间复杂度交换两个数。 1、相加寄存：a=a+b b=a-b a=a-b 2、位运算：b=a^b; a=a^b; b=a^b 问题2：模型的方差和偏差是什么，怎么减少bias和var。 偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据. 方差：描述的是预测值的变化范围，离散程度，也就是离其期望值的距离。方差越大，数据的分布越分散。 Baging减少方差，boosting减少偏差。 关键点检测实战 [限时1元秒杀，1.19恢复原
深度学习面试解析：计算机视觉算法工程师常见问题
这篇文档包含了计算机视觉算法工程师面试中可能遇到的问题，涉及了反卷积、神经网络理论、模型优化、目标检测、深度学习优化等多个方面的重要知识点。 一、反卷积 反卷积（Transposed Convolution）是一种在卷积...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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