图像处理、计算机视觉算法面经
本人小菜鸡一枚,自不量力在大佬云集的算法丛林中寻求一线生机,因为真的没有办法回头,就在算法的道路上踉跄前行,幸得心仪公司垂青,满怀感恩。
这是本人总结的一点个人觉得比较有价值的面经,希望能够给自己一个警醒,也希望能对别人有一点点的参考作用。
bigo计算机视觉一面:
- python中的数据类型
- python什么数据是可比较的,什么是不可比较的
- C++中什么是左值什么是右值
- SVM的数学公式以及推导过程
- SVM拉格朗日乘子的原理
- KKT条件内容和原理
- SVM的软间隔
- 合页损失函数
- 批正则化BN的原理和作用,在训练和测试时有什么不同
- dropout的原理和作用,在训练和测试时有什么不同
- 处理数据集不平衡问题
- 什么是梯度消失,什么情况导致梯度消失,处理梯度消失的方法
- 什么是梯度爆炸,梯度爆炸的处理方法
联影图像算法:
- 项目中用到的SVM是线性的还是非线性的,线性和非线性的区别
- 核函数的种类、作用
- SVM中低维映射到高维是映射到几维,是无限维吗
- SVM使用核函数的问题
- 项目介绍(CT有没有用到原始数据、CT厚层薄层等)
- python中的数据类型、那些是可变的,哪些是不可变的、在数据拷贝中的区别
- *kwargs,*args
- 动态规划,从左上到右下最短路径和
- 分水岭问题,求所有洼地
58同城算法:
- gbdt和xgboost原理和区别
- gbdt和随机森林的区别
- gbdt损失函数,xgboost二阶泰勒展开表达式
- lr和gbdt的时间复杂度
- 项目介绍
- 判断单链表是不是对称的
bigo二面:
- 介绍项目
- 超分辨率中像素提升用的什么办法,亚像素卷积层的原理
- 图像质量评价指标PSNR、SSIM,结构相似度的计算公式
- pytorch模型训练过程中net.train()和net.eval()的区别,造成区别的原因
- BN层的作用,BN层是在哪个维度上操作的
- vgg和resnet的区别
- CNN在框架中的实现方式
- 给一个特征图,已知步长,卷积核大小和padding,求输出特征图大小
- 逻辑回归损失函数怎么得来的,极大似然估计的形式
- 线性回归的模型参数怎样计算(梯度下降法,最小二乘法)
- 最小二乘法和极大似然估计的关系
- 计算圆内弦长的期望(期望计算公式)