目录

 

1.解释一下ResNet、DesNet，它两的区别与联系。

2.YOLOv3网络介绍一下，YOLO系列讲一下。

3.RCNN网络特点，RCNN系列讲一下。

4.Python中如何调用C++代码？

5.有哪些滤波去噪操作？

6.解释static关键字的作用，修饰变量和函数的区别。

7.有哪些评定模型好坏的标准？

8.传统人工智能算法与深度学习算法的区别？

9.YOLO系列和RCNN系列的区别？

10.人脸面部有多少个特征点？

11.有没有过人体姿势项目经验？

12.什么是多尺度？多尺度有什么好处？

---

1.解释一下ResNet、DesNet，它两的区别与联系。

ResNet：

ResNet是2015年何凯明博士提出来的，全名叫做深度残差网络（Deep Residual Network, ResNet）。层数多大152层，关键是在构架上的tricks，使用了残差学习（Residual Learning）。

深度网络随着层数的加深到一定层次效果可能会变差，这就是网络产生了退化（Degradation）。为此何博士提出了残差学习的方法来解决退化问题。

ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”（shortcuts，skip connection），这有助于训练过程中梯度的反向传播，从而能训练出更深的CNN网络。

参考这篇文章，作者写的不错：https://zhuanlan.zhihu.com/p/31852747

DesNet：

DenseNet模型，它的基本思路与ResNet一致，但是它建立的是前面所有层与后面层的"密集连接"（dense connection），它的名称也是由此而来。

DenseNet的另一大特色是通过特征在channel上的连接来实现特征重用（feature reuse）。这些特点让DenseNet在参数和计算成本更少的情形下实现比ResNet更优的性能，DenseNet也因此斩获CVPR 2017的最佳论文奖。

 

这篇文章讲解了DenseNet还有他们两的对比：https://zhuanlan.zhihu.com/p/37189203

2.YOLOv3网络介绍一下，YOLO系列讲一下。

我的上一篇总结里面有YOLOv3网络的介绍：https://blog.csdn.net/weixin_41529012/article/details/115347442?spm=1001.2014.3001.5501

YOLO系列网络：https://zhuanlan.zhihu.com/p/136382095

3.RCNN网络特点，RCNN系列讲一下。

RCNN、Fast RCNN、Faster RCNN

4.Python中如何调用C++代码？

Python内置的ctypes接口（可以将C/C++代码编译为动态库，在Python中进行调用）
CFFI（提供了一种在Python代码中混合C代码的途径）
Cython (C后端版本的Python实现，建立了Python类型和C语言之间的映射关系，提供了使用Python代码调用C函数库的能力)
Boost.Python (提供手动导出C++代码接口的能力供Python调用)
SWIG（不止支持C/C++到Python的桥接，SWIG支持很多语言跟C/C++的桥接，是广泛使用的一种解决方案）

5.有哪些滤波去噪操作？

https://blog.csdn.net/KYJL888/article/details/78253447

均值滤波、中值滤波、对称均值滤波 低通滤波 高通滤波

6.解释static关键字的作用，修饰变量和函数的区别。

https://blog.csdn.net/weixin_41529012/article/details/102672429?spm=1001.2014.3001.5501

7.有哪些评定模型好坏的指标？

https://zhuanlan.zhihu.com/p/36305931

1）回归（Regression）算法指标

• Mean Absolute Error 平均绝对误差
• Mean Squared Error 均方误差
• Root Mean Squared Error：均方根误差
• Coefficient of determination 决定系数

2）分类（Classification）算法指标

• 精度 Accuracy
• 混淆矩阵 Confusion Matrix
• 准确率（查准率） Precision
• 召回率（查全率）Recall
• Fβ Score
• ROC（Receiver Operating Characteristic）
• AUC（Area Under Curve）
• KS（Kolmogorov-Smirnov）

8.传统人工智能算法与深度学习算法的区别？

（1）传统机器学习算法，在一开始，性能（识别率）会随着数据的增加而增加，但一段时间后，它的性能会进入平台期。这些模型无法处理海量数据。
（2）最近20年来，人类建立了数字王国，使得我们在电脑、网站、手机上的活动，都制造大量数据。便宜的相机、传感器，也产生大量数据。
（3）不同规模的网络，取得的性能也会有不同（具体如下）。

要想在神经网络上取得更好的表现，在今天最可靠的手段，要么训练一个更大的神经网络，要么投入更多的数据。但这也只能在一定程度上起作用，因为你最终耗尽了数据，或者你的网络规模太大，训练时间太久。

但提升规模，已经让我们在深度学习的世界中，取得了大量进展。

还有一点要记住，这里所说的“大数据”，是指带标签的数据。

还要注意的是，数据量不大时，各种算法的性能优劣是无法知道的。只有在大数据的前提下，在非常庞大的训练集下，我们才能看到神经网络稳定领先于其他算法。

有趣的是，目前神经网络的一些进步，也是为了让它运算的更快。比如激活函数从sigmoid改进到relu，就能使梯度下降算法运行更快。
原文链接：https://blog.csdn.net/ybdesire/article/details/78347761

9.YOLO系列和RCNN系列的区别？

这篇文章总结了YOLO系列和RCNN系列，还不错：https://blog.csdn.net/ZhangQQer/article/details/79863040

10.人脸面部有多少个特征点？

人脸识别Dlib——68个特征点

11.有没有过人体姿势项目经验？

这篇文章总结不错：https://blog.csdn.net/m0_37644085/article/details/82021848?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-7.baidujs&dist_request_id=1328767.44917.16175365763899731&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromBaidu%7Edefault-7.baidujs

12.什么是多尺度？多尺度有什么好处？

所谓多尺度，实际上就是对信号的不同粒度的采样，通常在不同的尺度下我们可以观察到不同的特征，从而完成不同的任务。

https://zhuanlan.zhihu.com/p/74710464