1 用经典的caffe网络训练，得到一个100KB的模型，里面共存储了____个权重值2 反卷积层参数配置为：pad 2, kernel size 4, stride 3。输入feature map长宽为32，输出feature map的长宽为______反卷积计算公式：output=s(i-1) + k-2p (s:步长，i:输入尺寸，k:卷积核尺寸，p:padding,某一边填充的尺寸，一般为
转载
2023-05-26 23:48:45
1057阅读
项目面试题 1.对python代码进行加速优化时的选择有哪些？ 答：numba是一个用于编译Python数组和数值计算函数的编译器，这个编译器能够大幅提高直接使用Python编写的函数的运算速度。numba使用LLVM编译器架构将纯Python代码生成优化过的机器码，通过一些添加简单的注解，将面向数组和使用大量数学的python代码优化到与c，c++和Fortran类似的性能，而无需改变Pytho
1、讲一下BN、LN、IN、GN这几种归一化方法1）BN：BatchNormalization，假设特征在不同输入以及H、W层级上是均匀分布的，所以在NHW上统计每个channel的均值和方差，参数量为2C；缺点是容易受到batch内数据分布影响，如果batch_size小的话，计算的均值和方差不具有代表性。而且不适用于序列模型中，因为序列模型中通常各个样本的长度都是不同的。此外当训练数据和测试数
.精品 一、1.什么是计算机视觉？理解计算机视觉问题的产生原理。研究用计算机来模拟生物视觉功能的技术学科。具体来说，就是让计算机具有对周围世界的空间物体进行传感、抽象、分析判断、决策的能力，从而达到识别、理解的目的。2.直方图的均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度
转载
2023-08-04 22:04:52
201阅读
计算机视觉(Computer Vision)又称为机器视觉(Machine Vision)，顾名思义是一门“教”会计算机如何去“看”世界的学科。更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并在必要的时候给予合适的反馈(输出：比如看图说话，看视频说话)。 在机器学习大热的前景之下，计算机视觉与自然语言处
目录选择题简答题第一题第二题编程题第一题题意思路代码第二题题意思路代码 笔试共有选择题30道、简答题2道、编程题2道，分别为60分、60分、40分，两个小时。以下内容的编写全凭记忆和个人理解，如有什么不对的地方，希望大家见谅。 选择题 具体题目肯定记不住了，就说说都有哪些题型吧。 &nbs
转载
2023-05-30 13:08:13
362阅读
机器学习1.1 请简要描述监督学习和无监督学习的概念监督的含义是有样本对应的标签参与训练。通过惩罚模型针对某样本的输出和该样本的标签之间的距离达到训练目的。无监督学习没有样本对应的标签，通过挖掘样本特征之间的差异性达到训练目的。1.2 略 1.3 分类问题有哪些常用的误差函数。最常用的交叉熵（多类），BCE（binary cross entropy，二类任务），Focal loss, Dice l
转载
2023-08-11 16:18:02
222阅读
共20个选择题，3个编程题，1个简答题一.选择题 1.Linux中，提供TCP/IP包过滤功能的软件叫什么？ A.iptables B.route C.rarp 2.设一组初始关键字序列为{31,65,82,7613,27,10},则第4趟冒泡排序结束后的结
计算机视觉研究院专栏作者：Edison_G1、请详细说说支持向量机（support vector machine，SVM）的原理支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。2、哪些机器学习算法不需要做归一化处理
上上周笔试了百度跟新浪还有腾讯，暂时腾讯的产品经理不说：先来回顾一下百度的笔试题 ：1.OSI 的七层模型：2.简述进程通信的方式(至少3种)(1)共享内存(2)消息(3)管道3.简述SIFT 特征检测，匹配，SIFT 描述子的形成的步骤：1.构造高斯差分空间图像。2.寻找极大极小值点3、精确定位极值点4、选取特征点主方向5、 构造特征点描述算子。Sift特征点匹配过程：由步骤一我们已经获得了图片
GoogLeNet采用了模块化的结构（Inception结构），Inception历经了V1、V2、V3、V4等多个版本的发展，不断趋于完善，请写出3条以上V1-V4演进中的变化问题解析CNN 的演化路径可以总结为以下几个方向： 进化之路一：网络结构加深 进化之路二：加强卷积功能 进化之路三：从分类到检测 进化之路四：新增功能模块答案Inception V4 相比 V3 主要是结合了ResNet，
1、计算机视觉1.1 经典网络AlexNet(errot15.4%)第一个成功展现出卷积神经网络潜力的网络结构,自从Alexnet之后，卷积神经网络开始迅速发展使用relu而不是sigmoid添加了dropout层提出了数据增强(对原图片进行随机裁剪256x256裁剪为227x227)Vgg16/19(errot7.3%)使用了3x3的filter取代了5x5和7x7，在实测中展示了两个3x3与5
关于K-means聚类算法，请回答以下问题：K-means是有监督聚类还是无监督聚类？（2分）写出将N个样本（X=(x1,…,xN)）聚成K类的K-means聚类算法的优化目标函数。（6分）请用伪代码写出聚类过程。（8分）假设样本特征维度为D，请描述Kmeans算法时间复杂度。（4分）参考答案： 1， 无监督2， 优化目标函数：F(X,K) =i=1Kj=1Ni(xj-μi)23， 聚类过程：初始
转载
2023-09-13 19:07:03
166阅读
作者丨我要鼓励娜扎编辑丨极市平台导读正值秋招进行时，本文收集了深度学习&计算机视觉方向的相关面试题，涵盖反卷积、神经网络、目标检测等多个方面，内容非常全面。1.什么是反卷积？反卷积也称为转置卷积，如果用矩阵乘法实现卷积操作，将卷积核平铺为矩阵，则转置卷积在正向计算时左乘这个矩阵的转置WT，在反向传播时左乘W，与卷积操作刚好相反，需要注意的是，反卷积不是卷积的逆运算。一般的卷积运算可以看成是
转载
2023-10-03 18:04:19
104阅读
前几天参加了百度校招2016的计算机视觉笔试，虽然是打酱油去的，旨在了解这些大公司招聘时候的笔试具体是考些什么内容。但是草草做了些笔记，再不整理一下，就全忘记了！因为全程摄像头监控，只是记了一些关键词，现在整理如下。 笔试分为四个部分：企业文化认知测评15道、简单题3道、算法程序设计题3道和系统设计题2选1，时间为130分钟。 其中第一部分企业文化认知评测均为选择题，主要是对百
转载
2023-08-25 23:05:14
103阅读
日萌社人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）1,计算机视觉在工农业生产、地质学、天文学、气象学、医学及军事学等领域有着极大的潜在应用价值, 所以它在国际上越来越受人重视。下列选项中哪项不是计算机视觉的应用？（C）A. 零件识别与定位 B. 机器人对话系统优化 C.移动机器人导航 D.
文章目录习题解答3.13.23.33.43.53.63.73.83.93.103.113.12 习题解答3.13.23.33.43.53.6书上关于共轭分布讲的比较简单，较为详细的可以参见https://www.jianshu.com/p/bb7bce40a15a3.73.83.93.103.113.12待定
题目 1.【排序题】梯度下降算法的正确步骤是什么？a.计算预测值和真实值之间的误差b.重复迭代，直至得到网络权重的最佳值c.把输入传入网络，得到输出值d.用随机值初始化权重和偏差e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差答案：dcaeb2.【多选题】小明在训练深度学习模型时，发现训练集误差不断减少，测试集误差不断增大，以下解决方法正确的是？A. 数据增广B. 增加网络深度C. 提
转载
2023-10-31 17:42:01
361阅读
概述计算机简史1935年代，英国数学家图灵(Alan Turing)提出“图灵机”，奠定了计算机的理论基础。1952年，冯·诺依曼确定了计算机由运算器、控制器、存储器、输入、输出等5部分组成（Von Neumann 体系结构）。60年代后期，出现高级语言的发展、出现了进程的概念和分时操作系统。80年代起，网络计算机系统的出现，支持了分布式信息处理。在计算机网络上进行信息处理的计算活动被称作分布式计
CNNCNN在图像上表现好的原因直接将图像数据作为输入，不仅无需人工对图像进行预处理和额外的特征抽取等复杂操作，而且以其特有的细粒度特征提取方式，使得对图像的处理达到了几近人力的水平。参数和计算量的计算 卷积输入为W×H×C，卷积核K×K×C，输出W1×H1×C1 计算量：W1×H1×C1×K×K×C参数量：C1×K×K×C调试、修改模型的经验数据层面 获取更多的数据、数据扩增或生成、对数据进行归
转载
2023-08-20 23:22:12
102阅读
