苏大计算机考研专业课,【图片】18年苏州大学计算机872考研经验分享【苏州大学研究生吧】_百度贴吧...

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

二、面试

苏大的面试环节个人感觉就很水了。面试一共300′,但是大多数人五分钟就完事了,所以不大会有什么差距,除非你很优秀或者是什么都答不上来。

苏大的面试是分组的,具体分到什么组就看运气了,楼主分到了一个比较水的一组,感觉每位同学进去都是不到五分钟就出来了。另外,在组内的排名也有些影响,排在前面的同学可能会问的问题多一些,相对比较严一点,排在最后的同学又可能会轮到下午才面试(一上午可能完不成进度)。

面试前真的是最煎熬的时刻,每当有同学出来,大家就上去问TA问了他什么内容啊,回答的怎么样啦云云...实践证明,相同的问题不会出现第二次,因为都是一次性的问题,答过就作废了。

第一环节是英语面试,今年的英语面试很简单,我们组是从一堆A4纸中抽取一张,上面有打印好的与专业相关的一个段落,内容多为数据结构与操作系统的有关内容,段落整体不算难,而且内容很少,可以不用翻译的特别严谨,一词不拉的完美翻译,但是其中的专业术语一定要翻译正确。刚开始时老师会让读完这一段,并进行翻译,随着进度的加快,楼主进去的时候只要求读前三句并进行翻译。其实特别简单,跟预想的英语面试完全不同,之前以为会有英文的自我介绍以及英文对话交流,结果什么都没有,之前准备的东西都没派上用场,暴风哭泣。。。

问题有专业性和开放性两种,前者就是会问你本科学到的专业知识,其中软件工程和数据库的问题有不少,还有就是问你一些最近比较火的东西,比如人工智能啦什么的。后者完全属于开放性的题目,我一朋友就抽中了“AlphaGo能否战胜人类”这样的问题,还有“研究生期间规划”云云。还有就是一般会让你抽三个问题来回答,带有问题的纸条折好了放在盘子里让你选,抽到问题之后先念一遍问题然后进行作答。

注意!!!这里抽到不会的问题时能答出相关的内容尽量说一些你了解的并且与该问题有关的知识,如果实在不会,千万不要乱讲一气,可以向老师说明改题目不会,是否可以换一题作答(一般是可以的,楼主第一个问题不会,就换了一个)。

总的来讲,面试时一定要态度谦逊,不能顶撞老师,保持自信,从容应对。其实面试过后,你会发现,真的没有想象中的那么可怕。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值