大疆笔试-计算机视觉算法B卷

一、单选：
1、CLIP模型的主要创新点：图像和文本两种不同模态数据之间的深度融合、对比学习、自监督学习
2、一个3*3，stride=1，dilation=1的卷积加上一个步长为2的2*2池化，再加上一个3*3 ，stride=3，dilation=1的卷积对应的等效步长是多少：6（第一步不改变步长，第二步步长为2，第三步步长为2*3）
3、a=np.random.randn(3,3) b=np.random.randn(3,1) ，那么c=a*b的维度应该是：*是元素乘法或者torch.mul，@才是矩阵乘法或者torch.matmul，不会触发广播机制；
4、3D高斯：3D高斯无需迭代，而Nerf需要MLP计算点属性；3D高斯经过旋转、平移、缩放后仍是一个高斯函数；3D高斯不是隐式表达；通常3D高斯变2D不需要雅可比近似，某些情况下需要
5、物理空间已知的杆，能够约束相机和激光雷达多少个自由度：答案不确定，应该是3,4；
6、Pointformer不是点云的特征提取方法
7、使用KLT求解二维单应矩阵和一维单应矩阵的最少匹配点数是4，2
8、将分辨率降低一半时，精标定内参（fx、fy、cx、cy、k1、k2、k3）焦距、光心、畸变系数将分别变成（fx、fy、cx/2、cy/2、k1、k2、k3），只能搜到光心变成一半，畸变系数不变
9、神经网络的channel扩大2倍，算力扩大2倍，带宽扩大2倍
二、多选：
1、减少模型层数据和缩小输入尺寸可以降低深度学习推理的带宽需求
2、解决样本不均衡的方法有Focal Loss、数据增强、多样本欠采样
3、Dice损失常用于图像分割、目标检测、自然语言处理
4、在默认流中，所有的CUDA操作（包括kernel执行和内存拷贝）都是顺序执行的；cudaMemcpyAsync函数是异步执行；如果你没有显式地使用锁页内存，CUDA 运行时可能会选择将数据先复制到锁页内存缓冲区，然后再将数据从锁页内存传输到设备内存；任务被分配到各个Stream（流）后，这些任务确实是互不干扰、独立进行的
5、如果某个矩阵的某个特征值为0，则为奇异矩阵；不满秩；至少一个奇异值为0，是方阵
6、不是任意矩阵都能特征分解；并不是所有方阵的特征值都是实数；奇异矩阵至少有一个特征值为0；矩阵B可以分解为A和A转置，若A为行满秩，则B的特征向量一定正交
7、同一台电脑两次运算一个浮点运算的值可能不同；浮点数不满足结合律；浮点数不能批量填充0比特；正常浮点数乘除法仍是正常浮点数
8、组合导航算法中ESEKF可以最小参数化状态变量；可以有效避免奇异问题；大幅降低计算复杂性；可以提升状态估计算法精度
9、提高重复纹理环境定位感知能力的方法有调整SGBM参数，增大平滑项权重、加robust norm、高斯滤波、时域滤波
10、在DFT中频谱的分辨率和信号长度成反比；Laplacian滤波器可以用于边缘检测；非局部均值滤波器可以用于去噪并保留图像结构信息；梯度幅值和方向都重要
11、增加训练量、使用正则化、使用dropout都可以防止模型过拟合
12、KLT算法在频闪光源、重复纹理、高速机动、环境照度低的情况下效果显著下降
三、判断：
1、dropout不直接提高训练速度
2、深度可分离卷积计算量比普通卷积小
3、1*1卷积不改变空间特征，仅改变通道数
4、ICP算法局部最优是因为位姿初值不准
5、匈牙利算法能够在多目标跟踪时准确跟踪每个目标
6、物理世界的三条平行线在成像平面相交在一个点
7、cuda中H2D、kernel、D2H可以重叠执行
8、使用triplet loss训练时不一定全部使用hard triplet
9、两个随机变量独立，那么他们一定不相关