# CV_interviews_Q-A
> 不试着去找找实习，不试着被面试官毒打下，都意识不到自己基础的薄弱，很多东西被问到只知道个大概，再深挖一下为什么就支支吾吾答不上来了。深感CV算法岗竞争之激烈，从来都是狭路相逢勇者胜，借找工作的机会好好整理下所学的知识，希望现在好好准备还来时不晚，一起努力向offers发起冲击吧！
本仓库汇总CV算法岗重要的一些知识点和面试问答，主要分为**计算机视觉、机器学习、图像处理和、C++基础** 四大块，每一块都有几十个问题，每个问题都会努力给出详细完整的解答，帮助你理清这些知识点细节。
为了刺激下大家的神经，激发斗志，在往下看之前可以先看看这篇经验分享：[算法岗必须人手一篇顶会？超详细面经：无论文、无实习拿下腾讯CV算法岗](https://mp.weixin.qq.com/s?__biz=MzI5MDUyMDIxNA==&mid=2247494712&idx=1&sn=2c906e0c4062955adb8bf4bbda7cb1a8&chksm=ec1c01c1db6b88d7e1f4b8ff2b2f084d1e7961ffdcb29c9de03328cb9c2a14fe68522b7b0c2f&mpshare=1&scene=1&srcid=&sharer_sharetime=1588779616413&sharer_shareid=40621009b5a320f1873da9d6e9a820a7#rd)。创建本仓库的灵感也就是来源于此文，感谢大佬的分享～
## 食用方法
**另外添加转换过的 PDF 版，如果直接下载 md 文件显示不了一些图片或者公式的话，可以匹配 PDF 版学习。**－－2020.08.14
github上直接看的话很多公式和图片看不了，**请 clone 到本地然后下载安装Typora查看**，Typora 是一款支持实时预览的 Markdown 文本编辑器。它有 OS X、Windows、Linux 三个平台的版本，完全免费，体验非常好，推荐你使用。
知识不是看几遍就会的，好记性不如烂笔头，最好看了我们的总结后，你也自己敲出一个适合你的版本，或删减或添加或修改为适合你的表达方式，这样会大大提升学习的效果。
另外知识点琐碎繁杂，及时复习也很重要，这里再推荐个APP，叫**Anki**，需要的请自行了解！
**需要声明的一点是**：本文是作为个人学习总结的，我们不生产知识，只是知识的搬运工，主要做的工作是知识整合与逻辑梳理，参考了很多大神的博客及文章资料(文章中会注明参考的资料，感谢这些作者的贡献)，当然也会有自己的思考，不喜勿喷，如有错误，恳请指正！
**最后如果该项目对你有帮助，请不吝给个Star，给个鼓励，也让更多人看到！**
## 合作
如果你有意一起把这个项目完成好，也可以向我们 **Pull requests** （表格中有记录是否完成，你可以随便挑其中未完成的一个来总结，当然表格中没有的问题，但你觉得很重要，也可以自己想问题然后给出答案），欢迎你加入！！！－－2020.05.18
## 知识点问题清单
这里列出各大块的问题清单，按照顺序对应于各文件夹下的md文件。
### 计算机视觉
| 序号 | 是否完成 | 问题描述 |
| :--: | :------: | :----------------------------------------------------------: |
| 1 | | 自己项目有关模型的相关问题如：项目整体流程、网络结构、 论文的实验是怎么做的、<br />你的贡献是什么、创新点在哪里、遇到哪些问题是怎么解决的 |
| 2 | 是 | 过拟合和欠拟合的表现及解决方法 |
| 3 | 是 | 代码实现卷及操作 |
| 4 | 是 | BN层的深入理解及代码实现 (补充先加BN还是激活函数的区别、反向传播与求导) <br />另外还要着重分析下GN与BN相比的优势 |
| 5 | 是 | NMS的工作机制及代码实现(要继续补充soft NMS) |
| 6 | 是 | 三种常见的激活函数 |
| 7 | 是 | ReLU函数在0处不可导，为什么还能用 |
| 8 | 是 | Pooling层的作用以及如何进行反向传播 |
| 9 | 是 | 为什么输入网络前要对图像做归一化 |
| 10 | 是 | 理清深度学习优化函数发展脉络(添加随机梯度下降和梯度下降的区别) |
| 11 | 是 | 详解深度学习中的梯度消失、爆炸原因及其解决方法 |
| 12 | | 训练不收敛的原因有哪些 |
| 13 | | 为什么max pooling 要更常用？什么场景下 average pooling 比 max pooling 更合适 |
| 14 | 是 | CNN 在图像上表现好的原因 |
| 16 | | 卷积层和全连接层相比有哪些好处 |
| 17 | | 网络中常用的损失函数汇总 |
| 18 | | 有哪些修改、调试模型的经验分享 |
| 19 | | 目标检测评价指标mAP的计算 |
| 20 | | 实例分割中的评价指标 |
| 21 | 是 | 手推反向传播公式BP |
| 22 | 是 | 各层 FLOPs 和参数量 paras 的计算 |
| 23 | 是 | 感受野怎么计算 |
| 24 | 是 | CV中的卷积操作是互相关还是卷积 |
| 25 | | batch size 和 learning rate 的关系(怎么调整和平衡二者) |
| 26 | | 类别不均衡问题怎么解决 |
| 27 | | 迁移学习都有哪些方式，怎么在网络训练中使用 |
| 28 | | 权重初始化方法有哪些 |
| 29 | | 计算机视觉中的注意力机制 |
| 30 | | onehot 编码可能会遇到的问题 |
| 31 | | 分类问题有哪些评价指标？每种的适用场景 |
| 32 | 是 | 为什么要用 F1 score |
| 33 | | L1 正则化与 L2 正则化的区别 |
| 34 | 是 | 简述CNN分类网络的演变脉络及各自的贡献与特点 |
| 35 | | 解释 ResNet 流行的原因 |
| 36 | | Inception v1-v4的区别与改进 |
| 37 | | 模型加速方法：MobileNet、ShuffleNet知道吗 |
| 38 | 待补充 | 了解全卷积网络FCN 和 UNet |
| 39 | | two stage目标检测网络的发展脉络及各自的贡献与特点（尤其注意损失函数） |
| 40 | 是 | 解释 ROI Pooling 和 ROI Align 的区别 |
| 41 | 是 | CascadeRCNN的原理，本质解决了什么问题 |
| 42 | | 介绍下 FPN 网络 |
| 43 | | one stage目标检测网络 YOLO 和 SSD 网络结构及优缺点（尤其注意损失函数） |
| 44 | 是 | concat 和 add 的区别 |
| 45 | | 了解模型剪枝和模型压缩的概念 |
| 46 | 是 | 简单了解循环神经网络 RNN & LSTM |
| 47 | | 简单了解生成式对抗网络 GAN |
| 48 | 是 | 各种卷积方式串讲
CV算法岗知识点及面试问答汇总，主要分为计算机视觉、机器学习、图像处理和 C++ （167个子文件） 
20140221184735734 70KB 20150805105836031 276KB README.md 23KB 63_7种经典的排序算法原理及C++实现.md 20KB 57_机器学习中常用的损失函数一览.md 18KB 10_理清深度学习优化函数发展脉络.md 17KB 21_手动推导反向传播公式BP.md 15KB 48_各种卷积方式串讲.md 14KB 12_Adaboost_GBDT_XGBoost算法原理.md 14KB 04_BN层的深入理解.md 12KB 34_简述CNN分类网络的演变脉络及各自的贡献与特点.md 12KB 08_边缘检测算子有哪些以及它们之间的对比.md 12KB 17_图像拼接原理介绍.md 10KB 44_PCA算法原理.md 10KB 03_FAST、BRIEF、ORB算法原理.md 10KB 18_图像配准.md 10KB 32_C++中的内存管理是怎样的.md 9KB 77_牛客网笔试处理各种输入输出的解决方法.md 8KB 01_LBP算法原理.md 8KB 03_代码实现卷积操作.md 8KB 04_C++11常用新特性.md 8KB 49_Faster_R_CNN和Mask_R_CNN的损失函数详解.md 8KB 05_请说一下你理解的 C++ 中的四个智能指针.md 8KB 26_k-means算法原理.md 8KB 72_vector的扩容原理以及resize和reserve的区别.md 7KB 02_过拟合和欠拟合的表现与解决方法.md 7KB 02_TCP三次握手四次挥手的过程.md 7KB 76_二叉树前中后层遍历代码模板.md 7KB 08_Pooling层的作用以及如何进行反向传播.md 7KB 02_HOG算法原理.md 6KB 14_虚函数详解.md 6KB 25_strcpy_strncpy_memcpy的区别.md 6KB 29_k-means和GMM的区别与联系.md 6KB 09_为什么输入网络前要对图像做归一化.md 6KB 41_CascadeRCNN本质解决了什么问题.md 6KB 36_为什么要内存对齐.md 6KB 46_LSTM介绍理解.md 6KB 29_哈希冲突和解决方法.md 6KB 34_ID3_C4.5_CART算法总结与对比.md 6KB 45_LDA算法原理.md 6KB 07_ReLU函数在0处不可导，为什么还能用.md 6KB 11_三种主要集成学习思想简介.md 5KB 24_卷积网络中的卷积与互相关的那点事.md 5KB 58_线性回归损失函数为什么要用平方形式.md 5KB 20_随机森林思想.md 5KB 40_解释 ROI Pooling 和 ROI Align 的区别.md 5KB 06_三种常见的激活函数.md 5KB 01_LR和SVM的比较.md 5KB 49_判别式模型和生成式模型.md 5KB 35_内存泄漏是什么.md 5KB 15_Hough变换检测直线与圆的原理.md 5KB 74_sort自定义排序.md 5KB 12_常见的三种图像插值方法.md 5KB 05_NMS详细工作机制及代码实现.md 4KB 17_bagging算法思想及与DNN中的dropout思想的一致性.md 4KB 11_梯度消失和爆炸以及解决方法.md 4KB 31_c++中的左值引用与右值引用.md 4KB 01_用天平找次品.md 4KB 59_逻辑回归与线性回归之间的异同.md 4KB 14_开操作与闭操作.md 4KB 50_引用作为函数参数和返回值的好处.md 4KB 22_CNN网络各种层的FLOPs和参数量paras计算.md 4KB 24_sizeof与strlen的区别.md 3KB 15_纯虚函数.md 3KB 46_深拷贝与浅拷贝的区别.md 3KB 55_函数指针和指针函数的区别.md 3KB 12_delete和delete[]的区别.md 3KB 33_决策树的原理以及决策树如何生成.md 3KB 56_数组指针和指针数组的区别.md 3KB 54_常量指针和指针常量的区别.md 3KB 16_析构函数.md 3KB 14_CNN在图像上表现好的原因.md 2KB 32_为什么用F1-score.md 2KB 46_PCA与LDA比较.md 2KB 37_全局变量和局部变量的区别.md 2KB 44_特征融合concat和add的区别.md 2KB 52_虚函数可以声明为inline吗.md 2KB 23_弄明白感受野大小的计算问题.md 2KB 11_new&delete与malloc&free 之间的关系与区别.md 2KB 19_如何从偏差和方差的角度解释bagging和boosting的原理.md 2KB 75_快速幂.md 1KB 38_了解全卷积网络FCN.md 1KB 02_incluede后面使用双引号和尖括号的区别.md 941B
17_图像拼接原理介绍.pdf 2.37MB 34_简述CNN分类网络的演变脉络及各自的贡献与特点.pdf 1.88MB 14_虚函数详解.pdf 1.35MB 44_PCA算法原理.pdf 1.29MB 08_Pooling层的作用以及如何进行反向传播.pdf 1.26MB 18_图像配准.pdf 1.24MB 57_机器学习中常用的损失函数一览.pdf 1.23MB 63_7种经典的排序算法原理及C++实现.pdf 1.22MB 01_LBP算法原理.pdf 1.22MB 12_Adaboost_GBDT_XGBoost算法原理.pdf 1.17MB 04_BN层的深入理解.pdf 1.13MB 03_FAST、BRIEF、ORB算法原理.pdf 1.04MB 03_代码实现卷积操作.pdf 1.04MB 48_各种卷积方式串讲.pdf 1.01MB 38_了解全卷积网络FCN.pdf 1017KB 10_理清深度学习优化函数发展脉络.pdf 992KB 08_边缘检测算子有哪些以及它们之间的对比.pdf 989KB共 167 条
- 1
- 2
资源评论
