CV秋招40萬+offer上岸經(jīng)驗：分享100道CV最新面試題
以下是這篇文章是一位 七月在線 學(xué)員的的面試經(jīng)歷的分享，下面的一些問題非常具有代表性，現(xiàn)將面試情況及面試題目分享給大家，祝大家都能有好的offer。
個人背景 + 學(xué)習(xí)與求職經(jīng)歷
本碩雙非院校、非計算機類的專業(yè)，本科拿過國獎，碩士（2020年-2022年）的研究方向NR-IQA based on deep learning，一篇CV方向SCI 3區(qū)；
兩段學(xué)習(xí)經(jīng)歷：20年暑假先報了七月在線機器學(xué)習(xí)集訓(xùn)營，21年暑假又報了七月在線的CV高級班（班上選的項目是：多模態(tài)、行人重識別）；
兩段實習(xí)經(jīng)歷：初創(chuàng)公司4個月的機器學(xué)習(xí)算法實習(xí)生，3個月的騰訊某末流實驗室CV算法實習(xí)生；
最后，自己找的工作方向是移動端上的CV算法（算法工程）。
方向定準(zhǔn)
2020年8月份暑假，自己確定想做算法，報了七月在線的集訓(xùn)營（截止到21年年底，最新一期是集16），對機器學(xué)習(xí)算法以及通用的深度學(xué)習(xí)算法知識有了大致的了解，然后輔助自己學(xué)校課題。
2020年8月-2020年11月，總共差不多四個月時間，對于算法差不多懵懵懂懂知道了。這個時候方向沒有定準(zhǔn)就海投算法簡歷，此時leetcode未刷，結(jié)果當(dāng)然很不理想，面試了很多，上岸了一個初創(chuàng)公司的機器學(xué)習(xí)算法實習(xí)，后面在實習(xí)的過程中積累了很多學(xué)習(xí)方法，這段實習(xí)經(jīng)歷最大的收獲是能夠總結(jié)自己的學(xué)習(xí)方法，也就是對于自己看過的算法或者項目或者模型，自己每看過一個就輸出一個note，反復(fù)看，反復(fù)整理note，不斷優(yōu)化內(nèi)化成自己的語言理解。
21年4月末，我定了自己想做CV方向，于是在這段實習(xí)經(jīng)歷的基礎(chǔ)上繼續(xù)海投，趕上騰訊暑期實習(xí)生招聘的尾巴，上岸了，很巧，有時候面試很看眼緣，后來去了騰訊，我的leader教會了我很多基于手機端上的算法優(yōu)化方法，讓我對整個行業(yè)有了一絲絲的認識，也確定了自己之后求職的方向就是基于手機端的CV算法。
Code
從2021年5月面試成功上岸騰訊后，開始正式準(zhǔn)備leetcode，刷了200道（包含easy和medium，當(dāng)然偶爾有幾道hard），5月6月刷了一遍很慢，七月八月一遍，九月一遍，十月初將高頻題目刷了一遍。Coding是入場券，這個不能騙自己！實習(xí)期間都是早期去公司，中午午休刷，晚上回宿舍刷。
秋招尾巴
騰訊實習(xí)到快9月底中秋節(jié)那陣，我們組沒有校招機會，我交接完自己手頭工作，然后離開深圳回學(xué)校，準(zhǔn)備正式參加秋招。方法簡單粗暴，海投，海面，每次面試都總結(jié)word文檔，跟之前學(xué)習(xí)方法一樣，哪一塊被問到不懂就去查資料記錄note，但是我有一點是雖然是查資料，而且在秋招那么緊張的時間節(jié)點下，我依然選擇查看論文的原文去讀，然后總結(jié)消化。
很感謝七月，七月的集訓(xùn)營讓我入了行，然后七月的高級班讓我對現(xiàn)在前沿算法模型有了一定的了解，相當(dāng)于給了自己的方向，我覺得這個很重要。
多面多總結(jié)，多總結(jié)到紙上，這個很關(guān)鍵，算法和模型還有coding是硬功夫，通過實習(xí)來不斷實踐，遇到機會就使勁薅羊毛，只能說算法對于雙非的學(xué)生不是很友好，但是只管一路走下去鮮花自會為你而開放的！
1、如何理解C++的多態(tài)？可以給出一個示例程序證明嗎？了解早綁定(靜態(tài)綁定)和晚綁定(動態(tài)綁定)嗎？
(1)多態(tài)的成立條件...
(2)多態(tài)基本概念...
(3)給出一個示例程序...
(4)如何實現(xiàn)動態(tài)綁定的機制？...
(5)多態(tài)原理的實質(zhì)？...
(6)向上類型轉(zhuǎn)換和向下類型轉(zhuǎn)換？...
(7)虛函數(shù)和純虛函數(shù)之間的區(qū)別？
2、為什么C++要在頭文件中聲明，在源文件中定義？...
3、了解大小端模式嗎？如何證明機器的大小端模式？...
4、談?wù)凜++的面向?qū)ο笏枷耄空務(wù)凜++的優(yōu)點？...
5、C++函數(shù)內(nèi)部如何調(diào)用并改變?nèi)至斜碜兞浚?..
6、介紹一下C++的繼承？...
(1)什么是繼承？...
(2)繼承方式...
(3)繼承中的構(gòu)造和析構(gòu)...
(4)繼承中的同名處理...
(5)菱形繼承...
7、堆和棧的區(qū)別？...
(1)棧內(nèi)存...
(2)堆內(nèi)存...
8、C++和python的區(qū)別？...
9、介紹一下多線程？...
(1)線程產(chǎn)生的原因？...
(2)線程的優(yōu)勢？...
(3)多線程的優(yōu)勢？...
10、介紹一下C++的內(nèi)存管理？...
11、可以介紹下C++的智能指針嗎？...
12、介紹下數(shù)組和鏈表的操作區(qū)別？...
13、引用頭文件時雙引號和尖括號的區(qū)別？...
二、Python語言...
1、Python中函數(shù)內(nèi)部如何調(diào)用并改變?nèi)至斜碜兞浚?..
2、Python中的多線程了解過嗎？...
3、在使用pytorch或者tensorflow過程中有沒有什么踩坑的經(jīng)歷？...
4、了解pytorch中的計算圖嗎？...
5、Numpy與Pandas的區(qū)別？...
6、python中用過迭代器、生成器嗎？什么時候使用？...
7、介紹一下python中的數(shù)據(jù)結(jié)構(gòu)？...
8、介紹一下模型的壓縮工具？以手機端為例？...
三、實習(xí)經(jīng)歷一...
1、介紹一下復(fù)現(xiàn)的兩篇論文？...
(1)小樣本學(xué)習(xí)與傳統(tǒng)的學(xué)習(xí)有什么不同？...
(2)小樣本學(xué)習(xí)方法有哪些？...
(3)了解teacher-student模型嗎？或者有使用過預(yù)訓(xùn)練模型的經(jīng)驗嗎？...
(4).20 way one short classification.
(5) BPL論文復(fù)現(xiàn)...
2、了解過小樣本學(xué)習(xí)在目標(biāo)檢測中的應(yīng)用嗎？...
四、實習(xí)經(jīng)歷二...
1、講一下實習(xí)期間所做任務(wù)的背景？...
2、講一下數(shù)據(jù)合成算法的總體流程？...
3、介紹Style GAN模型？...
(1).為什么使用Style GAN2？...
(2).Style GAN2與版本一的區(qū)別你了解嗎？具體細節(jié)知道嗎？...
(3).了解Style GAN v1和v2的底層原理嗎？...
4、講一下CycleGAN模型？...
(1).介紹一下CycleGAN模型？...
(2).為什么CycleGAN使用LSGAN loss?.
(3).介紹循環(huán)一致性損失函數(shù)？...
5、GAN的目標(biāo)函數(shù)...
(1).講一下GAN目標(biāo)函數(shù)的數(shù)學(xué)原理？...
(2).為什么要進行采樣？為什么選擇高斯分布或者均勻分布？為什么JSDiv是距離而KL只能是分布？
6、GAN Compression.
(1).講一下GAN Compression是如何做的？...
7、Once-for-all算法...
(1).了解Once-for-all算法嗎？...
8、介紹face-of-art模型？為什么這個模型要比dlib效果好？...
9、卡通化人臉用的什么模型？可以簡單介紹下嗎？...
10、形變...
(1)敘述一下形變的詳細過程？...
(2).高斯模糊色塊是如何生成的？...
(3).如何找嘴巴凸包？求解凸包的openCV函數(shù)？...
(4).如何進行三角剖分?三角剖分的劃分準(zhǔn)則了解嗎？...
(5).介紹仿射變換？仿射變換后對齊是如何做的？與線性變換的區(qū)別？...
11、馬賽克檢測...
(1).講一下Canny邊緣檢測算法的流程嗎？為什么要使用雙閾值檢測？...
(2).Canny邊緣檢測算法得到結(jié)果之后采用什么方法去檢測馬賽克圖片？檢測出來的二值圖如何找到mosaic塊？...
(3).調(diào)研過哪些馬賽克檢測算法？之間有什么區(qū)別？...
(4).為什么要用邊緣檢測算法去檢測馬賽克？..
(5).介紹常用的邊緣檢測算法？...
(6).介紹常用的平滑算法？...
(7).介紹常用的算子？...
(8).了解ISP算法嗎？...
(9).了解常用的色彩空間嗎？...
(10).介紹常用的平滑算法？...
(11).了解卡爾曼濾波在圖像融合中的應(yīng)用嗎？...
(12).了解SIFT特征點提取嗎？...
12、拉伸圖片...
(1).拉伸圖片數(shù)據(jù)集如何處理？...
(2).這個分類任務(wù)遇到那些難點，你是如何解決的？有哪些trick？...
(3).拉伸圖片與模糊圖片之間的定義是什么？...
13、二維碼檢測...
(1).介紹一下Kaggle上的二維碼檢測數(shù)據(jù)集？有哪些版本？數(shù)據(jù)集大小是多少？...
(2).調(diào)研過哪些二維碼檢測算法？...
(3).OpenCV有自帶的函數(shù)，為什么使用YOLO V3進行檢測？而且YOLO V3在CPU上跑inference速度比較慢？...
(4).有沒有使用darknet tiny模型去做？還是直接拿來用的？...
(5).評價指標(biāo)mAP，可以結(jié)合業(yè)務(wù)場景講一下這個mAP？
14、分割模型...
(1)介紹一下MobilNet V2模型與V1的區(qū)別？為什么要選擇V2？介紹一下深度可分離卷積？MobilNetV2與ResNet50的區(qū)別?.
(2)介紹一下MobilNet V3模型？...
(3)介紹一下portraitNet模型？...
(4)除了數(shù)據(jù)增強外，對portraitNet修改過loss嗎？效果怎么樣？...
(5)肖像分割任務(wù)和摳圖任務(wù)之間的區(qū)別？...
(6)除了portraitNet模型你還了解其他分割模型，比如DeepLab v1/v2/v3嗎？...
(7) 1*1卷積的好處？與MLP的區(qū)別，1*1卷積的工程上底層實現(xiàn)為什么比MLP要好？
(8)介紹一下評價指標(biāo)mIOU(the mean Interaction-over-Union)？...
(9)了解雙線性上采樣嗎，介紹一下？...
(10)有沒有調(diào)研過相應(yīng)的摳圖算法？分別有哪些優(yōu)缺點？...
15、目標(biāo)檢測...
(1)敘述一下YOLO v3的檢測過程？...
(2)YOLO v3的loss是什么？...
(3)為什么faster rcnn比YOLO v3性能要好？...
(4)mAP比較低時怎么操作？...
(5)相比于YOLOv1/2，v3做了哪些改變？...
(6)RPN的原理講一下？...
(7)FPN的原理講一下？...
(8)了解anchor free的方法嗎？...
(9)講一下R-CNN-Fast R-CNN- Faster R-CNN-Mask R-CNN-Cascade R-CNN的發(fā)展脈絡(luò)？講一下YOLO系列的發(fā)展脈絡(luò)...
(10)介紹一下focal loss的應(yīng)用場景？...
(11)一階段與二階段檢測算法的區(qū)別？...
(12) faster R-CNN的訓(xùn)練和測試過程說一下？...
(13)介紹一下NMS的算法流程？知道soft-NMS嗎？...
(14)介紹下一階段目標(biāo)檢測算法的發(fā)展思路？...
(15)介紹一下YOLO v4？講一下整體的框架流程？給你印象最深的一個trick是什么？
(16)介紹一下NMS并用Python實現(xiàn)？...
(17)介紹一下focal loss在目標(biāo)檢測場景中的應(yīng)用？...
(18)介紹一下Yolo v5?.
五、基礎(chǔ)知識點...
1、介紹一下你了解的常用的模型性能評價指標(biāo)？...
(1)錯誤率與精度...
(2)查全率和查準(zhǔn)率...
(3)ROC與AUC..
(4)IOU(Intersection over Union)
(5)mAP(mean average precision)
(6) SSIM...
(7) PSNR.
(8) SROCC和PLCC..
(9) MAC和FPS.
(10) FID..
(11) mIOU..
2、多卡操作...
(1) Facebook AI PyTorch數(shù)據(jù)并行...
(2)多卡操作的包是什么？...
(3)多卡操作的底層原理是什么？...
(4)介紹一下模型在GPU上的運算流程？...
3、當(dāng)模型訓(xùn)練效果不好時，這時你一般都會怎么處理？...
4、介紹SVM算法？SVM如何解決線性不可分問題的？...
(1)SVM一些注意事項...
(2)熟悉SVM，可以大體介紹下SVM嗎？...
(3)SVM為什么采用間隔最大化?.
(3)為什么要將求解 SVM的原始問題轉(zhuǎn)換為其對偶問題?.
(4)為什么 SVM要引入核函數(shù)?核函數(shù)怎么選擇的，有沒有自己創(chuàng)建核函數(shù)?那如果特征又多，數(shù)據(jù)又多用什么核函數(shù)（高斯）?.
(5)為什么SVM對缺失數(shù)據(jù)敏感?.
(6)SVM核函數(shù)之間的區(qū)別?.
(7)介紹一下RBF核的優(yōu)點？...
(8)LR和SVM比較?.
5、學(xué)習(xí)率的調(diào)整方式？有哪幾種？介紹一下關(guān)于學(xué)習(xí)率的調(diào)節(jié)經(jīng)驗，總共有幾種情況，分別是怎么操作的？
(1).學(xué)習(xí)率對于梯度下降的影響...
(2).怎樣選擇一個合適的學(xué)習(xí)率？...
(3).自適應(yīng)學(xué)習(xí)率算法...
6、dropout
(1).介紹一下dropout？訓(xùn)練階段和預(yù)測階段的區(qū)別？...
(2).為什么預(yù)測階段需要乘上？...
(2).Dropout訓(xùn)練和測試有什么不同？...
(3).平時調(diào)參中的P的選擇你是怎么選擇的？參數(shù)的選擇方法？...
(4).為什么dropout可以用來防止過擬合？...
7、介紹一下關(guān)于優(yōu)化器選擇的經(jīng)驗？為什么選擇？...
(1). BGD/ SGD/ MBGD..
(2).非凸函數(shù)的局部極小點問題...
(3).學(xué)習(xí)率的自適應(yīng)更新...
(4).為什么SGD的時候隨機選取部分樣本，這樣做有什么好處？...
(5). Adam算法如何計算梯度的指數(shù)移動均值？這樣做有什么好處？...
(6).指數(shù)加權(quán)移動平均...
(7).給定一個目標(biāo)函數(shù)，如何用SGD優(yōu)化求出最優(yōu)解，說出詳細的優(yōu)化步驟？...
(8).介紹一下其他的優(yōu)化算法？牛頓法，EM算法，模擬退火等？...
(9).介紹一下Adam算法的公式？...
8、如何解決過擬合問題？...
9. L1范數(shù)與L2范數(shù)的區(qū)別？L1正則為什么能夠起到特征選擇的作用?.
1)L1范數(shù)與L2范數(shù)的區(qū)別？...
2)為什么要用L1范數(shù)？L1范數(shù)為什么會使權(quán)值稀疏或者L1正則為什么能夠起到特征選擇的作用?
10、介紹一下不同的激活函數(shù)？網(wǎng)絡(luò)的稀疏性指的是？主要針對？...
11、介紹一下梯度消失？梯度爆炸？...
1)RNN為什么會出現(xiàn)梯度消失的情況？...
12、BN..
1)BN解決了什么問題？...
2)如何減緩internal convariate shift?.
3)思路...
4)具體實現(xiàn)...
3)在訓(xùn)練階段和測試階段的有什么不同？知道BN中的momentum變量嗎？...
5)BN層的作用？為什么BN會加速網(wǎng)絡(luò)的訓(xùn)練？...
4)在使用BN之前，減小學(xué)習(xí)率，小心的權(quán)重初始化的目的是？...
6)關(guān)于BN層的可學(xué)習(xí)參數(shù)？...
7)如果說BN也可以用來防止過擬合，你覺得原理是什么？...
8)numpy手寫代碼BN？...
13、介紹一下邏輯斯蒂回歸算法？...
14、介紹一下K-means算法？如何初始化類中心？如何衡量聚類效果好壞？...
15、Boosting的方法優(yōu)缺點？...
16、介紹一下CNN和序列模型的應(yīng)用場景？...
17、了解模型的部署嗎？...
18、介紹常用的熵？交叉熵與KL散度的區(qū)別？交叉熵損失了解嗎？...
19、寫一下線性回歸的訓(xùn)練-BP過程...
20、知道最小二乘法嗎？在線性回歸中是如何做的？...
21、介紹一下常用的優(yōu)化算法？比如最大似然估計，梯度下降，牛頓法知道嗎，了解凸優(yōu)化中的一些優(yōu)化算法嗎？
22、介紹一下CNN？CNN可以用來處理一維數(shù)據(jù)嗎？CNN處理圖像的優(yōu)點？...
23、關(guān)于框架中的采樣你知道底層是如何做的嗎，如何從高斯分布采樣出均勻分布？一階馬爾可夫采樣的過程？
24、介紹一下傳統(tǒng)圖像處理算法？...
25、模型復(fù)雜度計算？模型計算量計算？...
26、介紹一下Softmax？寫一下公式？說一下應(yīng)用場景？...
27、了解cuda編程嗎？...
28、了解模型量化、剪枝嗎？...
29、已知一個訓(xùn)練好的CONV+BN+ReLU，如何融合在推理過程中進行加速？...
六、學(xué)校項目經(jīng)歷...
1、ReID..
(1)敘述ReID的過程？...
(2)介紹一下triplet loss？...
(3)介紹一下Semi-Hard sampling？...
(4)介紹一下數(shù)據(jù)增強？...
(5)介紹一下標(biāo)簽平滑操作？...
(5)介紹一下ReID模型性能評價指標(biāo)？...
2、NR-IQA..
(1)論文中GCN提取特征這部分中邊和節(jié)點是如何構(gòu)建的？...
(2)MAML為什么能夠起到快速初始化的作用？...
(3)高級語義特征是否等價于高頻信息？...
(4)介紹一下圖像質(zhì)量評價數(shù)據(jù)集的標(biāo)簽是如何做的？...
(5)介紹一下傳統(tǒng)的NR-IQA方法？...
(6)介紹一下基于深度學(xué)習(xí)的NR-IQA方法？...
(7)介紹一下RankIQA模型？...
(8)除了采用基于元學(xué)習(xí)的算法或者基于預(yù)訓(xùn)練的模型或者基于多尺度的特征融合，了解常用的注意力機制嗎？舉幾個你知道的注意力機制模型？SE-Net/SK-Net等?嘗試用到IQA模型中嗎？可以使用MLP去做這個任務(wù)？...
(9)介紹一下Transformer-IQA？...
(10)介紹一下無參考圖像質(zhì)量評價目前的難點？...
(11)介紹一下目前最新的IQA數(shù)據(jù)集？...
(12)介紹一下NR-IQA的模型評價指標(biāo)？有沒有自定的評價指標(biāo)？...
七、面試中被問到的算法題目...
1、43.字符串相乘...
2、867矩陣轉(zhuǎn)置、矩陣乘法操作...
3、手寫K-Means聚類算法，類別數(shù)目為4？...
4、寫一下冒泡排序、歸并排序、堆排序？使用非遞歸寫法？...
5、寫一下NMS過程？同時將IOU的計算過程寫出？...
6、給定一個長度為N的數(shù)組，求出該數(shù)組的K個最小值？...
7、已知一個圖，判斷圖中是否含有環(huán)？如果含有環(huán)，請以升序的方式打印環(huán)中的節(jié)點？
8、無序數(shù)組，求該數(shù)組的最大差值（要求O(N)）->
1.買賣股票的最佳時機、
2.買賣股票的最佳時機II、
3.買賣股票的最佳時機III、
8.買賣股票的最佳時機IV、
9.最佳買賣股票時機含冷凍期、
買賣股票的最佳時機含手續(xù)費...
9、劍指 Offer
二維數(shù)組中的查找...
10、704.二分查找...
11、1兩數(shù)之和、
7.兩數(shù)之和 II -輸入有序數(shù)組...
12、寫一下快排？...
13、手寫數(shù)字分類：mnist分類/cifar數(shù)字分類，pytorch.
14、打印float數(shù)在內(nèi)存中的二進制表示...
https://blog.csdn.net/stpeace/article/details/39972309
15、用C++手寫一下中值濾波，涉及快排和二維數(shù)組操作...
16、1262可被三整除的最大和...
17、647回文子串、5最長回文子串、516最長回文子序列...
18、455分發(fā)餅干...
19、17電話號碼的字母組合...
20、203.移除鏈表元素...
21、160.相交鏈表、面試題 02.07.鏈表相交...
22、劍指 Offer 58 - II.左旋轉(zhuǎn)字符串、劍指 Offer 11.旋轉(zhuǎn)數(shù)組的最小數(shù)字、81.搜索旋轉(zhuǎn)排序數(shù)組 II、33.搜索旋轉(zhuǎn)排序數(shù)組...
23、54.螺旋矩陣、劍指Offer 29.順時針打印矩陣、59.螺旋矩陣II
24、142.環(huán)形鏈表 II12
七月在線雙旦新學(xué)員限時福利，2022.01.04前新學(xué)員報名高級班/集訓(xùn)營享全年最低價！
機會永遠留給提前做好準(zhǔn)備的人！如果你想從事人工智能方向的工作，想在最短時間內(nèi)成長為行業(yè)中高級人才，進入知名互聯(lián)網(wǎng)公司，掃碼咨詢課程詳情！ 掃碼“領(lǐng)取面試資料+課程試聽”
戳↓↓“閱讀原文”直達活動會場！