CV(ML)若干问
概要
自我介绍, 工作> 论文> 比赛> 项目, 视觉基础, 数据结构,编程, 视觉最新的发展, 提问
技术面试:
机器视觉（机器学习、深度学习）
1- 传统视觉
2- 深度学习网络模型 模型改进
AlexNet, VGG, GoogleNet, ResNet, ResNeXt, R-CNN, YOLO, SqueezeNet, SegNet
3- 模型结果不好
4- 最优化模型
公式详解优化器
动图详解优化器
比较优化器及tf实现
4-1- 七种optimizer
5- 分类模型 SVM LR
5-1 手推SVM
6- 回归模型
7- 度量方法
8- 视觉最新领域
9- 感兴趣方面
10- 概率
11- 生成式
12- 判别式模型
13- 范数
14- 信息论: 熵
15- 奇异值分解svd
16- 评价标准
17- 预训练模型
18- opencv
19- 数据预处理
20- 激活函数
引入非线性
21- 移动端
22- 行为识别
23- 目标检测
24- 假设检验
25- ROI pooling ROI align
ROI pooling深层解析
26- CNN
27- 细粒度分类
28- 集成学习
29- 池化
30- 数据增强
深度学习中的数据增强(示例图太好玩了吧)
31- 凸优化
凸优化概念
32-
计算机视觉8大任务
分类 检测 分割 识别 生成(图像翻译也属于GAN)等:
（1）图像分类
基于ImageNet, 常用有AlexNet、VGG、GoogLeNet、ResNet、Inception-v4、MobileNet、MobileNetV2、DPN(Dual Path Network)、SE-ResNeXt、ShuffleNet:
分类AlexNet_1
分类AlexNet_2
分类VGG
大话VGGNet
GoogLeNet(Inception v1-v4)
ResNet
分类ResNeXt
ResNet v2
分类Inception v1
Inception v4与Inception-Resnet v1/v2
Inception v2与Inception v3
分类DenseNet
MobileNet
MobileNet v2
分类DPN
ShuffleNet
ShuffleNet v2
（2）目标检测【※】
基于PASCAL、COCO数据集，常用有SSD模型、PyramidBox模型、R-CNN模型:
目标检测的经典算法
算法有RCNN,SPP-Net,Fast-RCNN,Faster-RCNN,YOLO,SSD等
R-CNN之R-CNN
R-CNN之SPP-Net
R-CNN之Fast_R-CNN
R-CNN之Faster_R-CNN
R-CNN之R-FCN
R-CNN之Mask_RCNN
RetinaNet: Focal loss在目标检测网络中的应用
（3）图像语义分割
分为实例分割和语义分割:
语义分割之DeepLabv3+
实时图像语义分割之ICNet
Xception
语义分割之FCN
语义分割U-Net
语义分割SegNet
深度学习图像分割综述
传统+深度学习图像分割
语义分割
基于图的图像分割
（5）图像生成 【※】
简单综述如下:
GAN万字综述_1
GAN开山与进展(2017)_2
GAN发展历程(2017)_3
GAN综述(2018)_4
GAN最新进展综述(2019)_5
GAN综述(2019)_6
DCGAN
CGAN
CycleGAN
Pix2Pix
MSGAN
（6）人体关键点检测
《Simple Baselines for Human Pose Estimation and Tracking》
（7）视频分类
特征序列模型:
Attention Cluster
NeXtVLAD
Attnetion LSTM(CNN+RNN)
端到端模型:
TSN
StNet
（8）度量学习
//
CNN特征提取之FPN
轻量SqueezeNet
深度学习框架Caffe综述
34- XLNet: 运行机制及与BERT的比较
35- 梯度消失/爆炸
项目/比赛/论文
1- 项目经验
2- 优化/创新点
3- 领域发展方向
4- 职位优势
编程/代码
//思路 复杂度优化 空间换时间
1- 查找: 二分 BST
2- 排序
3- 图
4- 树: AVL 先/中/后序遍历 递归
5- 复杂问题: 分治 回溯 递归 贪心 动态规划
6- 堆栈
7- 数组 链表
行为/HR面试
1- 影响最大
2- 最成功/挑战性
3- 最失败
4- 缺点
5- 优点/优势
//引导process
light1- 项目转型意识
light2- 短板意识
3- 职位特点
4- 就职体验
5- 需要学习的方面
6- offer bal
