计算机视觉算法岗面试归纳（持续解答ing）
ML
介绍一下调参的经验
Softmax的公式和伪代码
分类常见的指标有什么，如何理解AUC？
介绍决策树、RF、XGBoost、GBDT和 LightGBM
XGboost的loss函数的推导（mse以及非mse形式），以及求解推导。
使用O(N)复杂度完成GBDT分裂
介绍 F1-score，A
...
Transformers in Vision
发表于
字数统计:
7.4k
|
阅读时长 ≈
260分钟
论文地址：Transformers in Vision: A Survey
AbstractTransformer模型在NLP任务中的惊人表现激起了视觉界对其在CV中应用与研究的兴趣，这在许多任务上带来了令人兴奋的进展。本综述的目的是提供一个Transformer在计算机视觉领域的全面概述该。
我们
...
Self-Attention and Transformer
发表于
字数统计:
717
|
阅读时长 ≈
20分钟
关于attention的详细介绍在Attention机制详解（一）——Seq2Seq中的Attention有详细介绍，在此不做多赘述。
添加了Attention的LSTM依然存在一些问题：
梯度消失，无法捕捉到长程的依赖关系；
运算量大，且无法并行。
以上问题在时序模型中普遍存在，于是一种能够拟
...
EfficientNet简述
论文地址：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks
EfficientNet作者系统地研究了模型缩放，并发现对网络深度、宽度和分辨率进行平衡可以带来更好的性能，而前人的文章多是放大其中的一个以达到
...
RANSAC算法概述
发表于
字数统计:
297
|
阅读时长 ≈
10分钟
RANSAC（Random Sample Consensus，随机取样一致）是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。
一个直观的例子就是使用一条直线去拟合平面上的多个离散点（如下图）。最小二乘法会使用包括异常样本的所有的数据样本进行计算，得到拟合参数，但
...
SIFT特征提取和描述
SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域对局部特征的一种描述方法。主要原理是通过一些数学计算得到图像中特征点的坐标，并根据该点周围像素点的值生成一个用于稳定描述该特征点的向量。该算法常用于特征匹配领域。
SIFT
...
OpenCV与角点检测
Harris角点检测原理Harris角点检测的基本原理：类似于边缘检测，只不过边缘检测只判断单个方向的梯度，而角点检测判断多个方向的梯度/相似性。
对于一张灰度图，计算在点(x, y)处平移(Δx, Δy)后的自相似性c：
c(x, y;Δx, Δy)=\sum_{(u, v)\in W(x,y)
...