【2021 计算机视觉】CV算法岗面试问题及其答案总结(二)
- Anchor Free 对比 Anchor-Based 的算法的主要优点?
- Roi Align 具体实现及其解决的问题?
- 讲一下Yolo、SSD和Faster-RCNN三种检测算法?
- 如何解决目标检测里类别不均衡的问题?
- 讲一下实例分割任务跟其他任务的区别?
- 讲一下实例分割中的Mask RCNN?
- Data-Free数据生成的方法有哪些?
- 讲一下Cascade-RCNN的Motivation?
- 介绍一下Triplet Loss?
- MobileNet系列为什么快?
- 为什么现在普遍采用3*3卷积而非更大的卷积核?
- 模型融合的策略有哪些?
- 讲一下对比学习的概念?
- WGAN解决了什么问题?
- 介绍一下目标检测中mAP指标?
- 介绍一下F1-score的计算方法?
- 如果我想在Dataloader中使用两个数据集混合训练怎么改?
Anchor Free 对比 Anchor-Based 的算法的主要优点?
Anchor-Based 的算法需要手动(或者基于聚类算法)确定Anchor的大小和长宽比,切换任务或者数据集后需要重新计算,而 Anchor-Free 则不需要
Roi Align 具体实现及其解决的问题?
ROI Pooling:
ROI Pooling需要取整,即得到bbox在feature map上的坐标时,需要将浮点数坐标转换成整数,造成特征不匹配
ROI Align 则用最近的pixel对这一点虚拟pixel进行双线性插值,得到这个“pixel”的值
讲一下Yolo、SSD和Faster-RCNN三种检测算法?
这三个算法分别对应于目标检测的两大主干和三小分支,两大主干指的是one-stage和two-stage,然后Yolo和SSD又