CV面试题
文章平均质量分 90
在网上找到的一些面试题,在这里总结一下
perfect_csdn1
这个作者很懒,什么都没留下…
展开
-
数据不平衡处理方法
1*1卷积核的作用卷积核作用:特征的抽取,卷积核越大感受野越大,参数越多。1*1卷积的作用:1、 实现跨通道的信息交互和信息整合2、 进行卷积核通道数的降维和升维。不改变图片宽高。池化可以压缩宽高。通过控制卷积核的数量达到通道数大小的缩放。从而能减少参数和减少计算量。3、 可以在保持feature map尺寸不变(即分辨率不变)的前提下大幅增加非线性特性,把网络做的很深。使网络能够表达更加复杂的特征。数据不平衡处理方法数据不平衡经常出现在分类问题上,数据不平衡指的是在数据集中不同类别的样本数原创 2021-04-08 16:38:46 · 2550 阅读 · 0 评论 -
过拟合及其解决方法
过拟合及其解决方法一.过拟合在训练数据不够多时,或者over-training时,经常会导致over-fitting(过拟合)。其直观的表现如下图所所示。随着训练过程的进行,模型复杂度,在training data上的error渐渐减小。可是在验证集上的error却反而渐渐增大——由于训练出来的网络过拟合了训练集,对训练集以外的数据却不work。在机器学习算法中,我们经常将原始数据集分为三部分:训练集(training data)、验证集(validation data)、测试集(testing d转载 2021-04-08 10:55:09 · 1358 阅读 · 0 评论 -
目标检测篇
CV面试题(目标检测)一、目标检测篇介绍YOLO,并且解释一下YOLO为什么可以这么快?yolo是单阶段检测算法的开山之作,最初的yolov1是在图像分类网络的基础上直接进行的改进,摒弃了二阶段检测算法中的RPN操作,直接对输入图像进行分类预测和回归,所以它相对于二阶段的目标检测算法而言,速度非常的快,但是精度会低很多;但是在迭代到目前的V4、V5版本后,yolo的精度已经可以媲美甚至超过二阶段的目标检测算法,同时保持着非常快的速度,是目前工业界内最受欢迎的算法之一。yolo的核心思想是将输入的图像转载 2021-04-07 10:10:34 · 799 阅读 · 0 评论 -
一些CV面试题
CNNCNN在图像上表现好的原因直接将图像数据作为输入,不仅无需人工对图像进行预处理和额外的特征抽取等复杂操作,而且以其特有的细粒度特征提取方式,使得对图像的处理达到了几近人力的水平。参数和计算量的计算卷积输入为 W × H × C W \times H \times C W×H×C,卷积核 K × K × N K \times K \times N K×K×N,输出 W 1 × H 1 × C 1 W_1 \times H_1 \times C_1 W1 ×H1 ×C1计算转载 2021-04-05 20:25:27 · 724 阅读 · 0 评论