TP-LINK提前批（图像算法岗）6月7日-6月8日 面试题6道

文末彩蛋：七月在线干货组最新升级的《2021大厂最新AI面试题 [含答案和解析, 更新到前105题]》免费送！

问题1：adaboost和随机森林有什么区别（完全不懂，扯开话题，说自己懂传统图像处理）

相同点：

二者都是bootsrap自助法选取样本。二者都是要训练很多课决策树。

不同点：

Adaboost后面树的训练，其在变量抽样选取的时候，对于上一颗树分错的样本，抽中的概率会加大。

随机森林在训练每一棵树的时候，随机挑选了部分变量作为拆分变量，而不是所有的变量都去作为拆分变量。

预测数据时，adaboost中所有的树加权投票来决定因变量的预测值，每棵树的权重和错误率有关;随机森林按照所有树中少数服从多数树的分类值来决定因变量的预测值。

问题2：LBP特征和SIFT的特征的意义

SIFT: Scale-Invariant Feature Taransform尺度不变特征变换

SIFT算法分解为如下四步:

1.尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。

2.关键点定位：在每个候选的位置上，通过一个拟合精细的模型确定位置和尺度。关键点的选择依据于它们的稳定程度。

3.方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变