1.介绍COCO的mmAP
2.batch normalization 为何能解决过拟合,手写BN的实现
3.Squeeze-Excitation 为何先降维再升维
4.为何SSD训练时要做数据扩增,而Retina-net可以不用而且效果还好?
5.faster rcnn中的RPN是如何实现的,用什么函数?
6.Retina-net用来解决什么问题,除了正负样本不平衡还有什么?
7.focal-loss能解决样本不平衡问题,为何OHEM(在线困难样本挖掘)却效果很差?
8.细粒度图像识别大致分为几类?双线性表达和基于局部区域定位的两种算法差距在哪里?在给定足够训练数据的情况下,你认为当前细粒度图像识别有哪些难点?
旷世算法面经-2019-9-23
最新推荐文章于 2023-04-17 16:00:44 发布