计算机视觉CV算法工程师面试题（含详细实战答案）.docxVIP

计算机视觉CV算法工程师面试题（含详细实战答案）

一、卷积神经网络基础（高频必问）

1、普通卷积、空洞卷积、深度可分离卷积的区别，各自适用场景？

参考答案：

普通卷积是标准的三维卷积，同时对通道和空间特征做融合，精度高但计算量大，适合网络主干特征提取，比如ResNet主干网络。

空洞卷积通过设置dilation膨胀系数，在不增加卷积参数量、不降低分辨率的前提下，扩大感受野。缺点是采样不连续，远距离像素关联弱，容易出现网格伪影。主要用在语义分割、图像超分场景，需要大感受野保留细节的场景。

深度可分离卷积分两步，先深度卷积逐通道卷积提取空间特征，再逐点1x1卷积融合通道特征。相比普通卷积参数量、计算量大幅降低，精度轻微下降。专门用于轻量化网络，比如MobileNet系列，适配移动端、嵌入式部署场景。

2、卷积的参数量和计算量怎么算？举例子说明

参考答案：

假设卷积核大小k×k，输入通道in_c，输出通道out_c，输出特征图尺寸H×W。

参数量：只和卷积核有关，公式k×k×in_c×out_c+out_c（偏置）

计算量（FLOPs）：k×k×in_c×out_c×H×W

举例：3×3卷积，输入256通道，输出512通道，输出特征图14×14。参数量=3*3*256*512+512，计算量就是参数量乘以输出特征图像素数。

面试关键点：参数量和输入图像尺寸无关，计算量和输出特征图