图像处理算法求职面试题
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。下面是图像处理的笔试面试题，仅供参考。
图像处理算法求职面试题(篇1)
1、 请问sizeof(char), sizeof(short), sizeof(int), sizeof(long), sizeof(longlong)分别是多少?不同平台时哪些会有变化。
2、 程序的局部变量存在于( )中，全局变量存在于( )中，
代码存在于( )中
常量存与( )中，
动态申请数据存在于( )中,
3、 请指出下面程序的.错误
void GetBuffer(char p){
p=(char )malloc(100);
}
void Test(void){
char str=NULL;
GetBuffer(str);
strcpy(str,"hello world");
printf(str);
}
4. 以下代码的输出是
int main() {
int a[10]={0, 1, 2, 3, 5, 4, 6, 7, 9, 8};
int ptr=(int)(&a+1);
printf("%d,%d,%d,%d ", (a+1), (ptr-1), (a+1)[5], sizeof(a) );
}
嵌入式系统开发
1、 相对于PC软件开发，嵌入式软件开发有什么不同?
2、 常见设备接口中，串口、USB、SPI通常需要几根线，分别是什么线。使用时，典型速度是多少?有哪些差异?
3、 嵌入式系统中，驱动是什么?请说明其作用。
4、 嵌入式Linux系统中，有哪些同步机制?这些同步机制的优缺点是什么?
算法优化
1、给一个int型递增数组Data，写一个二分查找函数，并设计对该函数进行单元测试的测试用例。
2、嵌入式软件中，某代码if( sqrt( + yy ) < R ) { //后续耗时计算 } ，该语句需执行19201080次判断，发现其中浮点sqrt比较慢，需要优化：
a) x,y,R均为浮点数。怎么使用预先判断的优化方法?
b) x,y为BYTE类型数据，R为浮点数，有什么优化方法?
3、某识别比对系统，一次比对产生1百万条比对分值，分值为0～1000的float浮点数，请选出分值最大的前 1万条数据，同分按原顺序从前往后取，取满为止。请写出算法概要流程，要求尽量低的复杂度。
4、情况同上，分值改为整数，取值范围 0～4000，请写出算法概要流程，要求尽量低的复杂度。
图像处理算法求职面试题(篇2)
1、常用的插值方法有：最近邻插值、双线性插值、立方卷积插值。
2、常用的边缘检测算子有：一阶: Roberts Cross算子, Prewitt算子, Sobel算子, Canny算子， 罗盘算子
二阶: Marr-Hildreth。
3、能够表征一副图像的基本特征有：灰度值、纹理、形状
4、FIR滤波器设计中常用的窗函数：三角形(Bartlett)窗、汉宁(Hanning)窗、汉明(Hamming)窗、
布莱克曼(Blackman)窗
5、视频流处理单元是：音频流处理单元是：
6、(2006)10转换成16进制:7d6
7、X86体系中，常用寄存器中经常用来存储数据的是：
8、C++类中三种存取权限类型：private、public和protected。
9、视频帧播放速度的单位是：PAL制式是——25fps，NTSC是——30fps。
10、mfc中，CFile类最大支持读写——字节，Windows下动态加载一个动态函数名————
图像处理算法求职面试题(篇3)
1.简述膨胀和腐蚀操作。
2.基于点云的区域增长分割方法如何实现?
3.常用的插值方法有哪些?简述这些方法。
4.彩色图像、灰度图像、二值图像和索引图像的区别是什么?
5.过拟合和欠拟合分别是什么，如何改善?
6.卷积层，pooling层，全连接层的作用分别是什么?
7.常用的边缘提取方法有哪些?
8.图像增强方法有哪些?
9.高斯滤波器的原理是什么?
10.简述Hough变换的原理。
11.图像增强和图像恢复的特点?
12.Canny边缘检测的流程。
13.简介一下高斯噪声和椒盐噪声的特点。
14.简述你熟悉的聚类算法并说明其步骤。
15.说明监督学习和非监督学习的区别。
16.说明LBP特征向量提取的步骤。
17.SVM常用的核函数有哪些?
18.简述BP神经网络的基本原理。
19.描述一下分水岭算法的原理。
20.描述中值滤波算法和快速中值滤波算法的特点。
图像处理算法求职面试题(篇4)
什么是图像滤波?介绍一下常用的图像滤波器有哪些?
什么是卷积神经网络(CNN)?它的结构是什么样的?为什么在图像处理中表现出色?
什么是图像分割?介绍一下图像分割的方法和应用场景。
什么是图像匹配?介绍一下图像匹配的方法和应用场景。
什么是直方图均衡化?它的作用是什么?它有什么局限性?
什么是SIFT算法?它的作用是什么?介绍一下它的主要步骤。
什么是形态学处理?介绍一下形态学处理的方法和应用场景。
什么是基于特征点的图像配准?介绍一下它的主要步骤和应用场景。
什么是图像分类?介绍一下图像分类的方法和应用场景。
什么是目标检测?介绍一下目标检测的方法和应用场景。
图像处理算法求职面试题(篇5)
1.二叉搜索树的插入与搜索，及其平均时间复杂度、最坏时间复杂度
2.二叉搜索树怎么转平衡二叉树
3.C++的左值与右值，std:move()，深拷贝和浅拷贝
4.面向对象的概念
5.C++的虚函数
6.面向对象的三大特征
7.ROI Align的本质是不是resize操作?ROI Align细节
8.目标检测two-stage模型
RCNN->SPPNet-> Fast RCNN-> Faster RCNN-> RFCN-> DCN->DCNv2
9.目标检测one-stage模型
YOLOv1\v2\v3->SSD->RefineDet->retinaNet
YOLO和SSD的区别
10.resnet和densenet的区别，denseNet有没有改进模型(DPN、AAAI2018的MixNet)，相同层数resnet、denseNet哪个好?
11.inception系列的演化
12.BN的原理和实现细节，其中均值和标准差的计算，以及训练和测试时分别怎么用
13.focal loss，用的什么核的，效果有没有区别，调过参数没有。Focal loss的两个参数有什么作用
14.小目标检测用什么方法
15.mobileNet v1\v2\v3
16.COCO冠军方案
17.多标签不平衡怎么处理，多任务不平衡怎么处理
18.改善NMS
IOU-guided-nms：IOUNet\softNMS\sofer-nms 实现细节
19.改善RPN
20.RFBNet
Receptive Field Block
模拟人类视觉的感受野加强网络的特征提取能力，在结构上RFB借鉴了inception的思想，主要是在inception的基础上假如了dilation卷积层，从而有效增大了感受野。
21.深度可分离卷积
22.two-stage为什么效果好
23.激活函数
24.损失函数，分类loss函数
25.数字图像处理的各种滤波
26.k折交叉验证
27.模型融合：adaboost
28.C++指针和引用的区别
29.mask rcnn和mask scoring rcnn
30.logistic回归、SVM、boosting/bagging
31.数据预处理transformer模块
32.处理不平衡的方法
33.圆上任意三个点组成的三角形包含圆心的概率
34.GAN
35.分布式，多卡使用
36.dataloder、dataset、sampler关系
37.人脸和身体一起检测，怎么处理
38.目标检测存在的问题，及个人理解;小目标怎么解决，遮挡怎么解决
39.概率：x,y,z都是(0,1)均匀分布，x+y+z<1的概率
40.人脸属性的任务、方法
41.n个文件(海量文件)，查找和排序，二分查找的时间复杂度
42.知道哪些CV任务
分类、检测、分割、姿态、GAN、VAE\caption等
43.卷积、池化、全连接层、BN/IN/GN等
44.优化器
45.mAP的概念
46.传统机器学习，SVM\boosting\bagging\随机森林
Bagging和随机森林的区别
47.属性任务不平衡
48.属性任务的实际应用，目标检测实际应用
49.各种排序算法，快排时间复杂度，快排时间复杂度推导
50.时间复杂度为O(1)的排序算法