深圳进化动力机器视觉算法岗面试题

来源：投稿 作者：LSC 
编辑：学姐

基础题

1.介绍自己，课内情况，能实习多长等。

2.介绍自己做过的两个项目。

3.介绍图像分类的知识。

我讲了AlexNet、VggNet、ResNet、DenseNet、EffiencientNet等，以及里面用到的tricks

AlexNet:

• (1)使用GPU训练，
• (2) 使用了数据增强
• (3) 使用了LRN(BN的前身，也是标准化的一种)
• (4) 使用了Dropout

VggNet网络深度更加大，进一步扩展，用2个33的卷积核代替了55的卷积核。

ResNet的残差结构，使得网络深度可以进一步加深。

InceptionNet使用了并行分支的方法，将不同尺度的特征信息进行融合，提取更多有效的特征，减少信息损失。

DenseNet将所有特征连接起来，尽可能做到特征信息的不浪费。

EfficientNet在网络深度、宽度、分辨率3个维度对模型进行强化。

4.介绍一下BN(批标准化)，BN是在哪个维度进行的

BN对当前batch数据进行标准化后，再进行线性映射，训练scale与shift参数。是在batch这个维度上对每个批次的数据进行求均值、方差并标准化。

5.介绍一下Dropout

随机失活，让神经元或者网络层以一定的概率在每轮训练中不参与训练。

6.Dropout是怎么实现神经元失活的

每个神经元或者网络层以一定的概率不参与训练，也就是让其输出为0。

7.为什么Dropout可以减少过拟合

这个问题我回答的不好，面试结束后查阅了一些资料。

在较大程度上减小了网络的大小： 在这个“残缺”的网络中，让神经网络学习数据中的局部特征（即部分分布式特征），但这些特征也足以进行输出正确的结果。

每次训练随机dropout掉不同的隐藏神经元，网络结构已经不同，这就类似在训练不同的网络，整个dropout过程就相当于对很多个不同的神经网络取平均。而不同的网络产生不同的过拟合，一些互为“反向”的拟合相互抵消就可以达到整体上减少过拟合。

减少神经元之间共适应关系： 因为dropout导致两个神经元不一定每次都在一个网络中出现，这样权值的更新不再依赖于有固定关系的隐含节点的共同作用，阻止了某些特征仅仅在其它特定特征下才有效果的情况，迫使网络去学习更加鲁棒的特征。

8.为什么BN可以减少过拟合

这个问题我也回答的不好，后续查阅了一些资料，网上说BN不能防止过拟合。

BN的核心思想不是为了防止梯度消失或者是防止过拟合，其核心思想是通过系统参数搜索空间进行约束来增加系统鲁棒性，这种约束压缩了搜索空间，约束也改善了系统的结构合理性，这会带来一些列的性能改善，比如加速收敛、保证梯度、缓解过拟合等等。

9.介绍一下目标检测

我讲了RCNN系列和Yolo系列。主要详细讲了Yolo系列，从v1到v5，讲了好多，资料可以上网详查。

推荐以下知乎文章: https://zhuanlan.zhihu.com/p/143747206 https://zhuanlan.zhihu.com/p/172121380 https://zhuanlan.zhihu.com/p/183261974 https://zhuanlan.zhihu.com/p/183781646 https://zhuanlan.zhihu.com/p/186014243 https://zhuanlan.zhihu.com/p/483446554 https://zhuanlan.zhihu.com/p/485059645

10.如果神经网络模型在训练过程中只能调整两个参数，会选择调整哪两个?

batch_size和learning_rate

11.神经网络训练过程中是不是必须使用激活函数，可以不用吗？常用的激活函数有哪些？

必须使用。不使用的话就神经网络本质上就等价于线性关系式，只有使用激活函数神经网络才能无限逼近于任何函数。sigmoid、tanh、relu、leaky relu、logistic函数等。

场景题

(1) 怎么做一个上班门禁的人脸识别模型，需要什么数据，假设这个公司30个人，可以满足你提出的任何条件。

答：需要这30人每个人的人脸数据，在不同的条件、环境下的包含人脸正脸的照片，包含了各种不同条件比如光照不同、角度不同、背景不同等。每人需要拍10万张左右。

(2) 对数据怎么处理

1. 进行标注，划分每张照片属于的类别，对应哪个员工，后续分类
2. 抠图，对图像中的人脸画框，因为要检测人脸
3. 按照一定的比例划分训练集和测试集，我们取8 : 2
4. 使用目标检测模型进行对人脸检测，把目标框的人脸抠出来后续进行分类
5. 读取数据，使用数据增强等操作，选取合适的模型进行分类训练
6. 使用合适的指标评判模型效果，这里采用准确率，查看准确率，达到99%以上才停止优化。否则继续调整参数、收集更多的人脸数据等。

(3) 如果不是公司的人进来，怎么识别，需要什么数据

收集公司的30个人以外的其他人的人脸图像，每个人1-5张即可，尽可能多收集多个人的人脸图像，多建立一个类别作为第31类进行分类。

(4) 假如没有标签数据，怎么设置损失函数最合适，使得同一个人的人脸图像相差尽可能小，不是同一个人的人脸图像相差尽可能大？

简化问题，把员工A的两张照片a1,a2的特征提取出来，为va1,va2, 员工B的两张照片b1,b2的特征提取出来，为vb1, vb2，写出其损失函数。

我写了一下，大概是这样的:

d(x, y)表示特征张量x和y的距离，为了使loss满足条件，所以d(va1, va2)和d(vb1, vb2)要尽可能小，其余的值尽可能大，所以取大一些，比如令, 的绝对值取小一些，而且要为负数，因为loss是要减小的，比如令。

如有更好的解决方案可以评论区交流

AI前沿技术资讯＆岗位面经＆干货分享

点击卡片关注持续更新中