图像算法工程师面试题

疫情期间、工作越来越难找。只有不断提升自我，让自己变得更加优秀才行。万事开头难，好事多磨，加油！

1.常用的图像空间。

RGB、HSV(H：0-180，S：0-255，V：0-255)、YUV、HIS、YGrcb

2.简述你熟悉的聚类算法并说明其优缺点。

（1）K-mean：优势：如果样本集是团簇密集状的，K-means聚类方法效果较好。

                          缺点：①、对于条状、环形状等非团簇状的样本集，聚类效果一般；

                                    ②、对于事先给定的K值、初始点敏感，不同K值、初始点可能导致聚类得到结果差异较大；也可能因为                                         初始点分属同一类，导致最后结果陷入局部最小值，无法达到全局最优解。

3.请描述以下任一概念：SIFT/SURF LDA/PCA

4.请说出使用过的分类器和实现原理。

1. Random Forest的随机性表现在哪里。

2. Graph-cut的基本原理和应用。

3. GMM的基本原理和应用。

8.用具体算法举例说明监督学习和非监督学习的区别。

数学知识：

1.贝叶斯全概率公式题。

2.最小二乘拟合的公式推导和代码实现。

3.数论or组合数学题。

白板编程：

1.图的遍历

思路：深度搜索DFS和广度搜搜BFS

2.网格搜索：给一张二值化图片，用1~n标记不同的连通域。

思路：可以采用最简单的四领域搜索。

3.代码实现HSV图的直方图表示，已知H bins=8 S bins=4 V bins=2

开放问答：

1.怎样在一张街拍图像中识别明星的衣着服饰信息？

2.上衣纯色，裙子花色，怎样做区分？

3.怎样判断一张广告图片中是否有文字信息？是否用到OCR技术？怎样应用？

4.给一张二值化图片(包含一个正方形)，怎样识别图片中的正方形？如果图片污损严重，怎样识别并恢复？

5.简述图像识别在移动互联网中的应用。

（待完善）