CV面试题目总结(二) - 深度学习算法

简介: CV面试题目总结(二) - 深度学习算法


目录

1.解释一下ResNet、DesNet,它两的区别与联系。
ResNet:

ResNet是2015年何凯明博士提出来的,全名叫做深度残差网络(Deep Residual Network, ResNet)。层数多大152层,关键是在构架上的tricks,使用了残差学习(Residual Learning)。

深度网络随着层数的加深到一定层次效果可能会变差,这就是网络产生了退化(Degradation)。为此何博士提出了残差学习的方法来解决退化问题。

ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”(shortcuts,skip connection),这有助于训练过程中梯度的反向传播,从而能训练出更深的CNN网络。

参考这篇文章,作者写的不错:你必须要知道CNN模型:ResNet - 知乎

DesNet:

DenseNet模型,它的基本思路与ResNet一致,但是它建立的是前面所有层与后面层的"密集连接"(dense connection),它的名称也是由此而来。

DenseNet的另一大特色是通过特征在channel上的连接来实现特征重用(feature reuse)。这些特点让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能,DenseNet也因此斩获CVPR 2017的最佳论文奖。

这篇文章讲解了DenseNet还有他们两的对比:DenseNet:比ResNet更优的CNN模型 - 知乎

2.YOLOv3网络介绍一下,YOLO系列讲一下。
我的上一篇总结里面有YOLOv3网络的介绍:CV面试题目总结(一)- 深度学习算法cv 面试题星辰同学wwq的博客-CSDN博客

YOLO系列网络:目标检测之YOLO算法:YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile,YOLOF,YOLOX详解 - 知乎

3.RCNN网络特点,RCNN系列讲一下。
RCNN、Fast RCNN、Faster RCNN

4.Python中如何调用C++代码?
Python内置的ctypes接口(可以将C/C++代码编译为动态库,在Python中进行调用)
CFFI(提供了一种在Python代码中混合C代码的途径)
Cython (C后端版本的Python实现,建立了Python类型和C语言之间的映射关系,提供了使用Python代码调用C函数库的能力)
Boost.Python (提供手动导出C++代码接口的能力供Python调用)
SWIG(不止支持C/C++到Python的桥接,SWIG支持很多语言跟C/C++的桥接,是广泛使用的一种解决方案)

5.有哪些滤波去噪操作?
【图像处理】图像滤波去噪声——均值滤波、中值滤波、对称均值滤波 低通滤波 高通滤波(opencv)均值滤波和低通滤波苏源流的博客-CSDN博客

均值滤波、中值滤波、对称均值滤波 低通滤波 高通滤波

6.解释static关键字的作用,修饰变量和函数的区别。
C++基础语言之(一)static关键字的作用static关键字的作用c++星辰同学wwq的博客-CSDN博客

7.有哪些评定模型好坏的指标?
机器学习评估指标 - 知乎

1)回归(Regression)算法指标

Mean Absolute Error 平均绝对误差
Mean Squared Error 均方误差
Root Mean Squared Error:均方根误差
Coefficient of determination 决定系数
2)分类(Classification)算法指标

精度 Accuracy
混淆矩阵 Confusion Matrix
准确率(查准率) Precision
召回率(查全率)Recall
Fβ Score
ROC(Receiver Operating Characteristic)
AUC(Area Under Curve)
KS(Kolmogorov-Smirnov)
8.传统人工智能算法与深度学习算法的区别?
(1)传统机器学习算法,在一开始,性能(识别率)会随着数据的增加而增加,但一段时间后,它的性能会进入平台期。这些模型无法处理海量数据。
(2)最近20年来,人类建立了数字王国,使得我们在电脑、网站、手机上的活动,都制造大量数据。便宜的相机、传感器,也产生大量数据。
(3)不同规模的网络,取得的性能也会有不同(具体如下)。

要想在神经网络上取得更好的表现,在今天最可靠的手段,要么训练一个更大的神经网络,要么投入更多的数据。但这也只能在一定程度上起作用,因为你最终耗尽了数据,或者你的网络规模太大,训练时间太久。

但提升规模,已经让我们在深度学习的世界中,取得了大量进展。

还有一点要记住,这里所说的“大数据”,是指带标签的数据。

还要注意的是,数据量不大时,各种算法的性能优劣是无法知道的。只有在大数据的前提下,在非常庞大的训练集下,我们才能看到神经网络稳定领先于其他算法。

有趣的是,目前神经网络的一些进步,也是为了让它运算的更快。比如激活函数从sigmoid改进到relu,就能使梯度下降算法运行更快。
原文链接:https://blog.csdn.net/ybdesire/article/details/78347761

9.YOLO系列和RCNN系列的区别?
这篇文章总结了YOLO系列和RCNN系列,还不错:目标检测系列学习笔记(RCNN系列+YOLO系列)_ZhangQQer的博客-CSDN博客

10.人脸面部有多少个特征点?
人脸识别Dlib——68个特征点

11.有没有过人体姿势项目经验?
这篇文章总结不错:https://blog.csdn.net/m0_37644085/article/details/82021848?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-7.baidujs&dist_request_id=1328767.44917.16175365763899731&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-7.baidujs

12.什么是多尺度?多尺度有什么好处?
所谓多尺度,实际上就是对信号的不同粒度的采样,通常在不同的尺度下我们可以观察到不同的特征,从而完成不同的任务。

【AI不惑境】深度学习中的多尺度模型设计 - 知乎

相关文章
|
1月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
130 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
2月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
349 55
|
25天前
|
算法 安全 Java
Java线程调度揭秘:从算法到策略,让你面试稳赢!
在社招面试中,关于线程调度和同步的相关问题常常让人感到棘手。今天,我们将深入解析Java中的线程调度算法、调度策略,探讨线程调度器、时间分片的工作原理,并带你了解常见的线程同步方法。让我们一起破解这些面试难题,提升你的Java并发编程技能!
65 16
|
2月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
220 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
4月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习中的优化算法及其应用
【10月更文挑战第8天】 本文将探讨深度学习中常用的优化算法,包括梯度下降法、Adam和RMSProp等,介绍这些算法的基本原理与应用场景。通过实例分析,帮助读者更好地理解和应用这些优化算法,提高深度学习模型的训练效率与性能。
338 63
|
2月前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如"How are you"、"I am fine"、"I love you"等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
2月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
3月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
137 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
3月前
|
机器学习/深度学习 人工智能 算法
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
手写数字识别系统,使用Python作为主要开发语言,基于深度学习TensorFlow框架,搭建卷积神经网络算法。并通过对数据集进行训练,最后得到一个识别精度较高的模型。并基于Flask框架,开发网页端操作平台,实现用户上传一张图片识别其名称。
179 0
【手写数字识别】Python+深度学习+机器学习+人工智能+TensorFlow+算法模型
|
3月前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
171 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型