[特殊字符] 计算机视觉面试题大全（附详细答案）| 深度学习 & CV求职必备

本文整理了 50道高频计算机视觉面试题及答案，涵盖图像处理、特征提取、目标检测、分割、深度学习与项目部署，适用于准备校招/社招的CV方向同学。

一、基础与图像处理（1-10）

1. 什么是计算机视觉？与图像处理的区别？
计算机视觉（CV）是让计算机理解图像或视频的内容，例如识别人脸、检测物体、跟踪目标等。图像处理（Image Processing）主要关注图像增强、去噪、变换等底层处理。前者强调“理解”，后者强调“变换”。

2. RGB 和 HSV 颜色空间区别？
RGB 表示红绿蓝通道，适用于图像显示；HSV 更贴近人类感知（色相、饱和度、明度），更适合颜色分割或颜色过滤任务。

3. 什么是图像直方图？
直方图显示不同灰度值的像素数分布，可用于图像增强、阈值分割（如 Otsu）等任务。

4. 什么是边缘检测？常见算法？
边缘是灰度急剧变化的区域。常见算法有：Sobel、Canny、Laplacian、Prewitt。

5. 高通/低通滤波的作用？

• 高通：保留边缘/纹理信息（如锐化）；

• 低通：去除噪声（如高斯滤波、均值滤波）。

6. 图像卷积的作用？
通过与卷积核做滑动点积实现图像特征提取，如边缘、纹理、模糊等。

7. 图像金字塔的作用？
图像金字塔是一组按分辨率从高到低的图像序列，常用于多尺度目标检测和图像拼接。

8. Sobel、Prewitt 与 Canny 有何不同？

• Sobel 和 Prewitt 是一阶微分算子，响应边缘；

• Canny 是多步算法（模糊 + 梯度 + NMS + 双阈值），效果更优。

9. 图像二值化方法？

• 固定阈值；

• Otsu；

• 自适应阈值（局部区域统计）。

10. 图像去噪方法？

• 均值滤波；

• 高斯滤波；

• 中值滤波；

• 双边滤波；

• 深度去噪网络（DnCNN）。

---

 

二、特征提取与匹配（11-20）

11. 什么是特征点与描述子？
特征点：图像中显著、可重复检测的点；
描述子：用于描述特征点周围区域的向量，如SIFT、ORB。

12. SIFT、SURF 与 ORB 的区别？

• SIFT：精度高，耗时长，专利限制；

• SURF：更快，略简化；

• ORB：开源，速度快，适合实时系统。

13. 尺度不变性是指？
指算法在不同缩放下能保持特征稳定。SIFT、SURF 就具备尺度不变性。

14. RANSAC 的作用？
在点对匹配中剔除外点，估算如单应矩阵/仿射变换等几何模型。

15. 什么是光流？常见算法？
光流描述像素间的移动趋势，用于视频分析、目标跟踪。常用算法：Lucas-Kanade、Farneback、RAFT。

16. 图像拼接流程？
特征提取 → 匹配 → 单应矩阵估计 → 图像变换 → 融合 → 拼接。

17. 单应性矩阵？如何估计？
描述两幅图之间的投影变换。通过至少4对对应点、使用RANSAC与最小二乘法估计。

18. 特征匹配完整流程？
检测特征 → 计算描述子 → 描述子匹配 → RANSAC去外点 → 应用几何模型。

19. HOG 特征的用途？
描述边缘方向信息，常用于行人检测（如DPM、早期SVM方法）。

20. 图像变换类型？

• 仿射变换：平移、缩放、旋转；

• 透视变换（投影变换）：拍摄角度变换；

• 单应变换：保持共线性。

---

三、目标检测与分割（21-30）

21. 传统目标检测流程？
滑动窗口 → 特征提取（HOG）→ 分类器（SVM）→ NMS → 结果输出。

22. YOLO 基本思想及YOLOv8改进？
YOLO将检测看作回归问题，速度快。YOLOv8改用anchor-free结构，引入CSP结构，端到端训练。

23. Anchor box 的作用？
预定义一组尺寸形状的框以适配不同目标大小，用于匹配真实框和预测框。

24. Faster R-CNN结构？
Backbone → RPN生成候选框 → RoI Pooling → 分类+回归。RPN提升速度，端到端训练。

25. Mask R-CNN 与 Faster R-CNN 区别？
Mask R-CNN多了一个 分支网络 用于生成实例分割的mask（FCN结构）。

26. 语义分割 vs 实例分割？
语义分割：同类目标同mask；
实例分割：每个目标单独分割。

27. U-Net结构？
编码器提取特征，解码器恢复分辨率，skip连接保持细节，适用于医学图像等小数据集。

28. NMS作用？
在多框预测中去除重复框，仅保留分数最高的非重叠框。

29. 检测评价指标？

• IoU：交并比；

• Precision/Recall；

• mAP（mean Average Precision）：IoU阈值下多个类别平均AP。

30. 实时检测优化策略？

• 使用轻量模型（YOLOv5n, NanoDet）；

• TensorRT/ONNX 加速；

• 图像分辨率优化；

• 模型剪枝、量化。

---

四、深度学习与视觉任务（31-40）

31. CNN 基本结构？
卷积层 → 激活（ReLU）→ 池化 → 全连接层 → Softmax。

32. ResNet 残差结构？
引入恒等映射 shortcut，避免梯度消失，使网络更深（ResNet50/101等）。

33. 什么是迁移学习？
在预训练模型（如ImageNet）基础上微调用于新任务，适合小样本场景。

34. BatchNorm 原理与作用？
标准化每层输出的分布，稳定训练，提高收敛速度，防止梯度爆炸。

35. 图像分类防止过拟合方法？
数据增强、Dropout、正则化、早停、增加数据集。

36. EfficientNet 特点？
使用复合缩放（宽度、深度、分辨率），参数效率高，性能强。

37. 注意力机制作用？
增强模型对关键区域/通道的响应，例如SE模块、CBAM、Self-Attention。

38. ViT 与 CNN 的比较？
ViT基于Transformer，适合大数据。无需卷积，直接处理图像patch；但小数据效果较差。

39. 多尺度训练作用？
提高模型适应不同目标尺寸的能力。训练时随机缩放输入图像尺寸。

40. 图像数据增强方法？
翻转、旋转、裁剪、缩放、颜色变换、MixUp、CutMix、Mosaic。

---

五、项目与部署（41-50）

41. 摄像头人脸识别系统流程？
图像采集 → 检测人脸（MTCNN）→ 对齐 → 特征提取（FaceNet）→ 比对 → 识别。

42. YOLO部署到边缘设备考虑？
模型体积、推理速度、内存限制、输入尺寸、硬件加速支持（NPU/GPU）。

43. 图像分辨率对性能影响？
分辨率越高检测越准，但速度慢。需在精度与性能之间权衡。

44. OpenCV图像处理函数？

• 读取：cv2.imread

• 显示：cv2.imshow

• 缩放/旋转：cv2.resize / cv2.rotate

• 灰度转换：cv2.cvtColor

45. 多线程提升性能的方法？
利用 threading/multiprocessing 模块实现图像读取、预处理、推理并发处理。

46. 实时报警系统如何实现？
目标检测模型 → 判断是否为入侵目标 → 发出报警（语音、短信、邮件）→ 存储视频帧。

47. 什么是MOT？常用算法？
多目标跟踪（MOT）通过目标检测+关联策略跟踪多物体。常用：SORT、Deep SORT、ByteTrack。

48. 如何使用SORT/Deep SORT？
基于目标检测框 → 卡尔曼滤波估计轨迹 → 匈牙利算法匹配目标。

49. 部署视觉模型性能优化？

• ONNX 转换 → TensorRT 加速；

• 模型量化/剪枝；

• Batch 推理；

• 多线程/异步推理。

50. 项目经验如何描述？
说明项目背景 → 你的角色 → 使用了哪些模型/方法 → 解决了哪些问题 → 有什么成果（准确率、延迟、部署方式等）。

---

📎 结语：
如果你正在准备计算机视觉相关岗位，无论是研究方向还是工程落地，上述问题都值得你熟练掌握！欢迎评论区交流你遇到过的CV面试题~