面试需要学习的基础知识汇总-BMC（20190804建）（索引）

目录

深度学习

机器学习

论文

图像处理

面试问题

---

深度学习

1. attention机制：pixel还是frame，是soft还是hard
2. 优化器，优化方法（化器有哪些，怎么演进的，平时怎么用，如何调参数）（非常重要）
3. momentum
4. 损失函数
5. softmax loss（手推）
6. 网易游戏面试：手推卷积层BP，全连接层BP，pooling反传，LSTM，RNN，传统方法：手推SVM，概率论的熵，传统方法。
7. softmax和logistic的关系，可以推导吗
8. 全连接的作用
9. GD、SGD、mini batch GD的区别
10. SGD各个参数怎么设置、权值衰减这个参数怎么设置
11. 过拟合，原因，解决方案（常被问到）
12. L1、L2范数，L1趋向于0，但L2不会，为什么？
13. L1 L2范数了解吗？区别，正则化怎么选择，正则化有哪些方式
14. 偏差、偏差是什么、方差（常被问到）
15. 激活函数（非常重要）
16. sigmoid公式，优缺点
17. 训练不收敛的问题、数据集不好问题
18. BN层的moving——mean怎么求得，BN层反向传播，怎么求导，怎么实现（BN非常重要：腾讯、网易、商汤、码隆、蘑菇街、图森均有问到）
19. BN层，先加BN还是激活，有什么区别
20. BN层的参数量
21. 权重怎么设置
22. pooling层怎么反向传播（常被问到）
23. depth conv知道吗
24. 计算一层的参数量、计算量，计算feature map的size，卷积层参数量
25. 感受野计算
26. dropout
27. nlp了解一下
28. 细粒度分类了解一下
29. 梯度消失和梯度爆炸，怎么处理？如何避免梯度消失？
30. 梯度消失和梯度爆炸，LSTM中如何解决
31. 网络权重初始化方法都有哪些（多次被问到）
32. 讲一下CNN，每个层，及作用
33. 各种数据的channel是指什么意思
34. 框架源码：tensorflow、pytorch
35. data argumentation怎么处理的
36. 数据不均衡问题
37. 数据增强
38. 卷积是怎么实现的，比如caffe中卷积的实现
39. 为什么使用1x1卷积核
40. 对CNN的理解
41. 你对GAN的理解？用DCGAN来做什么？SwitchGAN，这是我们自己在ICME 2019的工作
42. 你知道导数在物理上的意思吗？那你知道二阶导吗？拐点怎么求？
43. focal loss
44.  

机器学习

1. SVM，尤其核函数
2. PCA：https://blog.csdn.net/a10767891/article/details/80288463 （面完追一再整理）
3. SVD分解（经常被问，要达到手推的熟练度）https://zhuanlan.zhihu.com/p/36546367 、https://www.jianshu.com/p/95737a5f349a（面完追一再整理）
4. 谱聚类
5. GBDT
6. Xgboost 原理是什么，损失函数怎么构造，为什么选择Xgboost？
7. 传统机器学习有了解哪些
8. 常见的分类模型有逻辑回归（LR）、朴素贝叶斯、SVM、GBDT和随机森林（RandomForest）等。本文选用的机器学习分类算法有：逻辑回归（LR）、SVM、GBDT和随机森林（RandomForest）。
9. 逻辑回归logistics regression（经常问到）
10. 余弦相似度距离和欧氏距离的区别？其他距离度量公式？
11. boost、Adaboost、boosting、XGBoost
12. 线性回归和逻辑回归的区别
13. 无监督学习了解哪些
14. random forest、gradient boosting trees
15. bagging
16. DBSCAN(Density-Based Spatial Clustering of Applications with Noise)
     

 

论文

1. S3D（视频理解）
2. inception v2、v3区别，inception v1-v4的区别、改进，一些细节的改进？比如BN就是inception提出的
3. 介绍inception网络,结构、优缺点，主要用来解决什么问题，如何减少参数量
4. 介绍残差网络，resnet好处，resnet第二个版本做了哪些改进
5. 残差网络的梯度怎么计算的，为什么resnet的梯度不会消失？手动推导
6. LSTM（经常被问到）
7. 目标检测：YOLO，SPP，RCNN系列，SSD
8. Faster RCNN 中 ROI层是怎么实现的，怎么做的映射？需要抠细节。faster rcnn 经常被问（腾讯、商汤）
9. yolo和SSD区别，SSD 中 的 anchor设置的意义?
10. faster rcnn和ssd区别?
11. SSD：一个人有很多框，什么原因造成的？
12. 目标分割也要了解一点
13. mobilenet怎么实现，shuffleNet
14. 人脸识别paper
15. openpose
16. VGG16和resnet152哪个参数量多，为什么
17. online hard 样本接触过吗
18. 细粒度分类了解一下

图像处理

1. 边缘检测算子有哪些
2. 霍夫变换（多家企业问到）
3. 直方图是什么
4. 传统图像处理、边缘检测
5. canny算子是怎么做的？
6. 图像特征提取方式，有哪些算法，以及它们的适用范围、优缺点？（多次被问到）
7. 有哪些特征子
8. 相似度衡量尺度
9. 图像旋转、旋转矩阵、像素点怎么填充
10. 图像哈希(了解)
11. 曼哈顿距离
12. 哈夫曼树

 

数学

1. 数理统计，假设检验学过没，实际中用到过吗？

 

面试问题

1. 你最想去哪个公司工作？
2. 细粒度分类：给你一个场景：超市，需要上万种物品目标定位检测、识别，需要细粒度分类，如何处理给你一个场景
3. 做目标检测的话，数据集用什么(大华)
4. 你认为深度学习是最好的方法吗？那你觉得哪些时候不能使用深度学习？
5. 给你一个烤箱，你需要识别烤箱中的食材，怎么去做？
6. 烤箱设备升级，照明、摄像头位置等提高，但是原有的模型准确率却下降了。怎么办
7. 没有数据怎么办
8. 如果数据不好怎么办，数据不均衡怎么处理、只有少量带标签怎么处理（数据不均衡问题，经常被问到）
9. 分类，既有河流，又有建筑，怎么做。多标签。有个类别总是错分到其他类怎么办
10. 精确率高、召回率低是为什么
11. 多标签识别怎么做
12. 二维平面，一堆散点，找一个条拟合的直线
13. 二维平面，一堆散点，找分布函数
14. 1000个视频，无标签，怎么分类预测
15. opencv怎么样（这个自己回头多了解下）
16. 声音特征是怎么提取的？
17. 图像库，给一张图像，找出图像库中最相似的那个

---

参考：【计算机视觉算法岗面经】“吐血”整理：2019秋招面经  https://blog.csdn.net/liuxiao214/article/details/83043197