2020 笔试题总结整理

深度学习

1、caffe 特征维度

算法数据结构

1、

2、

图像处理

一、各种滤波比较

图像中常见噪声：

• 椒盐噪声
• 加性噪声
• 乘性噪声
• 高斯噪声

去噪方法：

• 均值滤波、中值滤波等比较基础且成熟
• 偏微分方程的去噪方法
• 基于频域的小波去噪方法

图像为什么要滤波？
在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作

1、均值滤波
均值滤波

• 原理
  
  目标像素领域内所有像素和的均值

• 作用
  是图像变得模糊，平滑，相当于一个低通滤波器。
  原因：

• 优缺点

• 适用场合

• 整张图使用，加速方法

2、中值滤波

• 原理
  中值滤波就是把窗口内像素值按大小排序求中间值

• 作用

• 优缺点

• 适用场合

• 整张图使用，加速方法

3、高斯滤波
高斯噪声

高斯噪声
概率密度函数符合高斯分布（即正态分布）的一类噪声

• 原理
  高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到

• 作用

• 优缺点

• 适用场合

• 整张图使用，加速方法

4、边缘保留滤波

• 原理

• 作用

• 优缺点

• 适用场合

• 整张图使用，加速方法

5、sobel滤波

• 原理

• 作用

• 优缺点

• 适用场合

• 整张图使用，加速方法

6、拉普拉斯滤波

• 原理

• 作用

• 优缺点

• 适用场合

• 整张图使用，加速方法

添加要改颜色的字体

添加要改颜色的字体

添加要改颜色的字体

添加要改颜色的字体