跳转至

📋 计算机视觉高频面试题清单

用法:能独立讲清的题打勾 - [x];讲不清的标 ⏳。

1. 图像基础与经典特征(传统 CV)

📍 教学 → 00-图像基础与图像处理.ipynb、01-边缘检测与特征提取.ipynb

  • [ ] 灰度化:平均法 vs Luma(0.299R+0.587G+0.114B)差在哪,为什么人眼对绿色最敏感
  • [ ] 直方图均衡化:公式与作用,为什么能提升对比度(累积分布函数映射)
  • [ ] HSV 与 RGB 的转换动机(光照/饱和度分离),hue 的环状性质
  • [ ] Otsu 阈值:类间方差最大化的直觉与实现
  • [ ] 高斯滤波 vs 中值滤波:各自适合什么噪声(高斯/椒盐),核为什么和为 1
  • [ ] Sobel / Laplacian:一阶导 vs 二阶导找边缘,为什么先平滑再求导
  • [ ] Canny 五步:高斯模糊 → Sobel 梯度 → NMS → 双阈值滞后 → 边缘连接
  • [ ] Harris 角点:为什么角点处梯度分布两个方向都大(M 矩阵两个特征值)
  • [ ] SIFT:尺度空间(DoG)找关键点 + 128 维描述子的思想;为什么尺度/旋转不变
  • [ ] HOG:梯度方向直方图的 block 归一化,为什么对光照鲁棒
  • [ ] 特征匹配:暴力匹配 / FLANN / 比值测试(Lowe's ratio)

2. 卷积神经网络原理(手撕主菜)

📍 教学 → 02-卷积神经网络深入.ipynb

  • [ ] 卷积输出尺寸公式:(H + 2p - k)//s + 1,口算 s=2 p=1 k=3
  • [ ] 为什么卷积适合图像:局部连接 + 权重共享(平移等变)→ 参数少
  • [ ] im2col:展开矩阵形状怎么算(行=窗口数,列=C×k²),为什么能加速
  • [ ] 卷积反向三条梯度:dW / dX / db 分别怎么算(dX 为什么核要翻转)
  • [ ] max pool 反向:梯度只回传 argmax 赢家;avg pool 反向怎么分摊
  • [ ] 感受野:递推公式 r = r + (k-1)·stride_累积;两层 3×3 vs 一层 5×5
  • [ ] 1×1 卷积的作用:通道降维/混合(等价于跨通道线性组合)
  • [ ] 反卷积/转置卷积:为什么不是卷积的逆;棋盘效应与解决(PixelShuffle/先插值)

3. 经典 CNN 架构

📍 教学 → 03-经典CNN架构与残差网络.ipynb

  • [ ] LeNet→AlexNet 的里程碑差异(ReLU/GPU/数据增强/Dropout)
  • [ ] VGG 与 GoogleNet 各解决什么(深度 vs 宽度/多尺度),Inception 1×1 降维
  • [ ] ResNet 为什么能训到 152 层:恒等捷径(梯度直通)+ 残差学习更容易
  • [ ] 残差块数学:y = F(x) + x;恒等映射为什么必要(不恒等就退化成普通网络)
  • [ ] Bottleneck 块:1×1→3×3→1×1 为什么省参数
  • [ ] DenseNet:密集连接(每层拼前面所有层特征)为什么参数少
  • [ ] EfficientNet:复合缩放(深度×宽度×分辨率同时放大)的公式感觉

4. 目标检测(经典 + 手写)

📍 教学 → 04-目标检测.ipynb、08-YOLO系列目标检测详解.ipynb

  • [ ] IoU 公式与三个缺点(不相交无梯度/尺度不敏感/不精确),GIoU/DIoU/CIoU 各加什么
  • [ ] CIoU 损失三条惩罚项:中心距 ρ²/c²、宽高比 αv 的直觉
  • [ ] NMS 流程与阈值经验;Soft-NMS 为什么对密集目标友好
  • [ ] mAP@[0.5:0.95] 怎么算,AP 是 PR 曲线下面积
  • [ ] R-CNN → Fast → Faster 各解决什么(候选框来源 + 共享计算 + 学出来)
  • [ ] Faster R-CNN 的 RPN:anchor 分类 + 回归 + 候选框选取
  • [ ] 两阶段 vs 一阶段 trade-off:精度 vs 速度;Focal loss 解决什么(前景背景失衡)
  • [ ] YOLOv1 损失五项与超参(λ_coord=5、λ_noobj=0.5),w/h 为什么开根号
  • [ ] anchor 怎么来:对 GT 宽高做 IoU 距离 K-Means;编解码公式 t_w=log(w/a_w)
  • [ ] YOLOv3 三尺度:stride 8/16/32 → 52/26/13 网格;大特征图管小物体
  • [ ] YOLOv4/v5 的配方:CSP/PANet/Mosaic/CIoU/auto-anchor
  • [ ] v8 为什么 anchor-free:解耦头 + TaskAlignedAssigner + DFL;对齐度量 t = s^α·u^β
  • [ ] 默写 YOLO 演进主线 v1→v11(网格回归→anchor→FPN→配方→工程→解耦→anchor-free→PGI→PSA→C2PSA)

5. 图像分割(语义 / 实例 / U-Net 家族)

📍 教学 → 05-图像分割.ipynb、09-U-Net系列图像分割详解.ipynb

  • [ ] 语义 / 实例 / 全景分割的区别,各自输出什么
  • [ ] 上采样三件套:最近邻 / 双线性 / 转置卷积,各自参数与作用
  • [ ] FCN 为什么是"全卷积":全连接层换成卷积,任意尺寸输入
  • [ ] U-Net 为什么强:编码-解码 + 跳连 concat 保留高分辨率细节;医学小样本
  • [ ] Attention Gate:α = σ(W_att·ReLU(W_g g + W_x x)),解决跳连带背景杂讯
  • [ ] U-Net++ 稠密跳连 + 深监督:X^{i,j} 吃本行左侧全部 + 深层一个
  • [ ] U-Net 3+:全尺度跳连(编码器全部 4 级)+ 边界监督
  • [ ] V-Net 与 U-Net 差异(3D/跳连加法/Dice)
  • [ ] TransUNet vs Swin-UNet:CNN 编码+Transformer 最深一层 vs 纯 Transformer
  • [ ] nnU-Net 是什么:自动配置管线(重采样/patch/增强/损失自适应)
  • [ ] Dice 损失公式与为什么对不平衡好;与 CE 组合怎么用
  • [ ] mIoU / Dice / PA:定义、空类跳过规则、PA 为什么虚高
  • [ ] Mask R-CNN:ROI Align 双线性采样 vs ROI Pooling 取整;实例分割三头

6. 度量学习与人脸识别

📍 教学 → 06-度量学习与人脸识别.ipynb

  • [ ] 对比损失:同类拉近 d²,异类推开 max(margin-d,0)²
  • [ ] 三元组损失:max(d(a,p) - d(a,n) + margin, 0),难/易样本对训练影响
  • [ ] 难样本挖掘为什么重要:easy 的 negative 损失为 0 无梯度
  • [ ] ArcFace:logit = s·cos(θ+m) 的角度边际与噪声容忍,为什么优于 Softmax
  • [ ] 人脸识别流程:检测 → 对齐 → 嵌入 → 检索;LFW 99% 级别指标
  • [ ] Recall@K 与 mAP 在检索里的定义;为什么要按 ID 屏蔽"自己"

7. 视觉基础模型(SAM / MAE / CLIP)

📍 教学 → 10-SAM与视觉基础模型.ipynb

  • [ ] ViT 为什么能当通用骨干:图像 → patch → token → Transformer
  • [ ] Patch embedding = stride=P 的卷积,token 形状怎么算
  • [ ] MAE:mask 75% patch 重建整图,为什么遮挡越狠越逼出语义
  • [ ] SAM 三组件与各自输入输出:ViT 图像编码器 / 提示编码器 / 掩码解码器
  • [ ] 提示编码:点(位置编码+前后景 token)、框(两角点+box token)、掩码(卷积降采样)
  • [ ] 掩码解码器:双向注意力 + 掩码头 + IoU 头;为什么输出 3 个掩码(歧义消解)
  • [ ] SAM 为什么能零样本:1100 万图 11 亿掩码提示预训练,类别无关
  • [ ] SAM 的局限:无类别语义、小目标一般、同一物体可能切碎
  • [ ] SAM2 的进步:流式记忆(视频跟踪);SAM2.1 / 数据规模
  • [ ] Grounding DINO + SAM + CLIP 自动标注管线怎么搭
  • [ ] CLIP 对比学习(图文对齐)为什么让文本成为万能分类器;DINOv2 自监督为什么强

8. 手撕默写清单(白板题)

  • [ ] 手写 IoU / GIoU / DIoU / CIoU(含边界 case:不相交)
  • [ ] 手写 NMS / Soft-NMS(while 循环 + IoU 过滤)
  • [ ] 手写卷积反向三条梯度(dX/dW/db),能跑数值梯度检查
  • [ ] 手写 YOLOv1 损失五项(掩码 + λ 加权)
  • [ ] 手写 anchor encode/decode(round-trip 验证)
  • [ ] 手写双线性上采样(坐标映射 + 四角插值)
  • [ ] 手写 Dice / mIoU(空类跳过)
  • [ ] 手写 Attention Gate(numpy)与 torch 对照 < 1e-5
  • [ ] 手写 cross-attention(QK^T/√d → softmax → @V)与 torch 对照
  • [ ] 手写 patch embedding(patch 切分 + 线性投影)与 Conv2d(stride=P) 对照
  • [ ] 手写最大池化反向(argmax mask 回传)与数值梯度检查
  • [ ] 口算感受野递推 / 转置卷积输出尺寸 / YOLOv3 网格与通道数

教程来源:Akun-python/autumn-recruitment。 MIT 许可证全文。