图像处理算法_某司图像处理算法岗面试题

之前找图像处理算法工作的面试题贴出来，大家可以大概看一下，尽量查漏补缺。面试官问的还是比较全的，一些细节问题都问到了。还有一点就是数据结构与算法很重要，有时间可以刷刷牛客网，或者力扣。

1. 自我介绍
2. 说说自己的几个项目
3. 图像特征金字塔的作用？怎么实现的？

答：为了解决多尺度检测的问题，引入了FPN网络。先将图像下采样，然后再上采样做特征图融合，融合过程中用不同尺度的特征图进行预测。

4.Fast-rcnn的区域候选框是怎么得到的？

答：通过selective search得到的，先基于图像分割得到小尺度区域，再一次次合并成大尺寸。

5.不标定的情况下怎么区分一张遮挡的图像和不遮挡的图像？

6.Yolo的路由层作用是什么？

①融合特征②开辟一个新的检测分支

7.如果做分类的话应该怎么来做，不检测，只分类？

答：使用基础的骨干网络做特征提取，然后加上分类头进行分类

8.AP和mAP的区别？

答：Ap是准确率和召回率曲线下方的面积，map是各类ap值得平均值

9.输入多尺度的图像怎么给图像做到统一输出

10、BCNN项目中使用的数据集是多大的，每类多少张数据

11、使用的什么框架

12、pytorch中的gether函数的作用

13、yolo中使用的数据增强有哪几种

14、目标框的常见的损失的几个变形？

①IOU当检测目标越接近真实目标时，则IOU越接近1，则loss越小。这样模型就可以通过不断降低loss来使得模型得出更好的预测结果。缺点：当两框不想交时，可能需要多次迭代才有交集，可能出现loss不变的情况。当三个框重合度差不多，相交面积一样时加入中心点距离更加合理。

②GIOU损失在iou损失的基础上增加了，| A - U | / |A|的惩罚项，解决了两框不想交loss恒等于1的情况。两框越远loss越大。

③DIOU，直接采用两框中心点间的距离作为惩罚，loss下降更快

④CIOU，在DIOU基础上增加长宽比惩罚

15、怎么在我原有的结果上提升准确率

①提高数据质量，数据扩充，数据增强（mixup training）。②改变网络结构③改变优化器，改变学习率④知识蒸馏？

16、如果有10000张汽车图片，一百万张人脸，怎么把这个数据集train起来，类别不平衡问题？

答：任务类别不均衡可以通过生成新的图像来训练，将少的类别裁剪然后拼接

18、为什么特征图要继承上一层特征图？为了使特征图更加平滑（具体忘了问题是啥）

19、模型实时检测的帧率计算？

可以参考视频：https://www.bilibili.com/video/av837947458/（大神简直让我膜拜）

17、你有什么想问的问题？

笔试题：

C语言基础（指针、类型所占字节数，进制之间的转化）、图像处理基础、编程基础、数学基础（排列组合相关，线性代数）

其中图像处理基础有：1、哪几种滤波器是平滑的2、哪些不是边缘检测3、如果图像处理中有字符串出现裂缝，应该用什么操作？开运算，闭运算4、

编程题：

请用两种方法输出菲波那切数列，并说明两种方法优劣？

简答题：

1. 手动计算卷积的过程，并写出卷积后的结果，要求卷积输出和输入尺寸相等
2. 简述深度学习成功的案例，以及深度学习和传统方法相比有哪些优势
3. 说明为什么要结合准确率和召回率来分析？