2021年9月底,科大訊飛CV崗位面試題分享!
文 | 七月在線
編 | 小七
目錄
FIGHTING
問題1：常見的attention機制，說明channel attention 和 self attention 的原理。
問題2：triplet loss的訓(xùn)練要注意什么？
問題3：softmax求導(dǎo)過程？
問題4：KL散度的理解。
問題5：檢測模型里為啥用smoothL1去回歸bbox
問題6：前沿的檢測范式DETR，transformer等等
問題1：常見的attention機制，說明channel attention 和 self attention 的原理。
self-attention、channel attention、spatial attention、multi-head attention、transformer
自注意力機制是注意力機制的變體，其減少了對外部信息的依賴，更擅長捕捉數(shù)據(jù)或特征的內(nèi)部相關(guān)性。
問題2：triplet loss的訓(xùn)練要注意什么？
答：構(gòu)造類內(nèi)差異大、類間差異小的數(shù)據(jù)集
問題3：softmax求導(dǎo)過程？
問題4：KL散度的理解。
KL散度可以用來衡量兩個概率分布之間的相似性，兩個概率分布越相近，KL散度越小
問題5：檢測模型里為啥用smoothL1去回歸bbox
從上面的導(dǎo)數(shù)可以看出，L2 Loss的梯度包含 (f(x) - Y)，當(dāng)預(yù)測值 f(x) 與目標(biāo)值 Y 相差很大時，容易產(chǎn)生梯度爆炸，而L1 Loss的梯度為常數(shù)，通過使用Smooth L1 Loss，在預(yù)測值與目標(biāo)值相差較大時，由L2 Loss轉(zhuǎn)為L1 Loss可以防止梯度爆炸。
問題6：前沿的檢測范式DETR，transformer等等
與傳統(tǒng)的計算機視覺技術(shù)不同，DETR將目標(biāo)檢測作為一個直接的集合預(yù)測問題來處理。它由一個基于集合的全局損失和一個Transformer encoder-decoder 結(jié)構(gòu)組成，該全局損失通過二分匹配強制進行唯一預(yù)測。給定固定的學(xué)習(xí)對象查詢集，則DETR會考慮對象與全局圖像上下文之間的關(guān)系，以直接并行并行輸出最終的預(yù)測集。由于這種并行性，DETR非常快速和高效。
— 推薦閱讀 —
NLP ( 自然語言處理 )
CV（計算機視覺）
推薦
最新大廠面試題
AI開源項目論文