计算机视觉高级工程师面试题（含详细实战答案）.docxVIP

计算机视觉高级工程师面试题（含详细实战答案）

一、深度学习与CV核心基础（高级必问）

1、卷积和全连接的核心区别？为什么CV主流用卷积，不用全连接？

参考答案：

首先核心区别有三点：参数共享、局部感受野、平移不变性。

全连接层是全局连接，每一个输出神经元和输入所有神经元相连，参数极多，而且完全没有空间结构感知能力，把图像像素直接扁平化，彻底丢失位置、相邻、纹理空间信息。

卷积层只做局部感知，依靠参数共享大幅减少参数量，同时天然保留图像的二维空间结构。另外卷积具备平移不变性，目标轻微移动后，特征提取结果基本不受影响，适配图像识别、检测等视觉任务。

补充落地坑点：深层网络最后一定会用全连接/全局池化，是因为需要把二维特征映射为一维分类向量，纯卷积无法完成最终的维度映射。

2、BatchNorm的作用、原理，以及训练和推理的区别？实际项目中BN有哪些坑？

参考答案：

原理：对每一层的特征做归一化，把数据拉回均值0、方差1的分布，解决深层网络梯度消失、数据分布偏移的问题，加速收敛、允许更大学习率、降低权重初始化要求，同时轻微抑制过拟合。

训练阶段：逐batch计算均值和方差，同时滑动平均更新全局均值方差；推理阶段直接使用训练好的全局均值方差，不再计算当前batch统计量，保证推理稳定。

项目实战坑点（高级重点）：

1）小batch场景（batch=1/2/4）BN效果极差，统计量抖动严重