百度2019校招计算机视觉方向笔试题
百度2019校招计算机视觉方向笔试题
- 第一题:K-means聚类
- 第二题:相机模型
- 第三题:自动驾驶
- 第四题:目标检测
第一题:K-means聚类
关于K-means聚类算法,请回答以下问题:
K-means是有监督聚类还是无监督聚类?(2分)
答案:无监督聚类写出将N个样本(X=(x1,…,xN))聚成K类的K-means聚类算法的优化目标函数。(6分)
答案:对于一个样本xix_{i}xi,计算其聚类损失为
lossi=argmin∣∣xi−uj∣∣2loss_{i}=arg min||x_{i}-u_{j}||^2 lossi=argmin∣∣xi−uj∣∣2
其中uju_{j}uj表示第j类的质心。那么,整体的优化目标函数可以表示为:
loss=∑iN∣∣xi−ui∣∣2loss=\sum_{i}^N||x_{i}-u_{i}||^2 loss=i∑N∣∣xi−ui∣∣2
NNN表示样本的数量,uiu_{i}ui表示第i个类的质心。请用伪代码写出聚类过程。(8分)
答案:
def Kmeans (输入数据,类簇的个数K):初始计算K个质心点repeat计算数据中每个点到各个质心的距离,其中到质心距离最短的点被分为同一个簇,最后得到K个类簇重新计算K个类簇的质心until 直到所有样本的类簇不发生改变或达到最大迭代次数
- 假设样本特征维度为D,请描述Kmeans算法时间复杂度。(4分)
答案: KMeans聚类算法的时间复杂度为O(I∗n∗k∗m)O(I*n*k*m)O(I∗n∗k∗m),其中m为每个元素字段个数,n为数据量,I为迭代次数。可以看到,无论是相对于数据量、特征维度、聚类数和迭代次数,KMeans聚类算法的时间复杂度都是线性的,是一个非常优雅高效的算法。
第二题:相机模型
相机模型有哪些参数,写出三维空间点到图像坐标投影公式。镜头畸变系数有哪几种,对应畸变矫正的公式表达?
答案:
相机模型的内参数重要有:主点,焦距,畸变系数。
三维空间点到二维图像的投影公式:
镜头畸变:径向畸变和切向畸变。
径向畸变矫正公式表达:
径向畸变矫正公式表达:
第三题:自动驾驶
在自动驾驶领域,障碍物的空间位置是很重要的信息。在不具备雷达等有测距能力传感器的情况下,如何仅通过单目相机计算出地面上目标的距离?
答案:TODO
第四题:目标检测
目前通过卷积神经网络进行检测的方法主要分为one-stage和two-stage,分别写出了解的对应的算法。在共性上两类检测算法有哪些差异?
答案:
- One-stage:yolov1、yolov2、yolov3、SSD、RetinaNet
Two-stage:Fast R-CNN、Faster R-CNN - Two-stage检测算法的共性,以faster r-cnn为例,使用了复杂的网络用于每个候选区域的分类和回归;ROI pooling后的feature channels数目较大,导致内存消耗和计算量都比较大。One-stage检测算法的共性,从网络结构上看只是多分类的rpn网络,相当于faster rcnn的第一阶段,因此one-stage主要的优势是速度快。
One-stage预测结果是从feature map回归出目标的位置及分类,有的也采用了anchor的概念。而two-stage对上述结果进行roi pooling后会进一步细化,因此two-stage算法检测精度一般相对较高。还有一种观点是,two-stage的rpn部分相当于做了正负样本均衡,这也是two-stage检测效果相对较好的一个原因。one-stage算法对小目标检测效果较差,如果所有的anchor都没有覆盖到这个目标,那么这个目标就会漏检。如果一个比较大的anchor覆盖了这个目标,那么较大的感受野会弱化目标的真实特征,得分也不会高。two-stage算法中的roi pooling会对目标做resize, 小目标的特征被放大,其特征轮廓也更为清晰,因此检测也更为准确。
百度2019校招计算机视觉方向笔试题相关推荐
- 数据分析真题日刷 | 京东2019校招数据分析工程师笔试题
今日真题 网易2018校园招聘数据分析工程师笔试卷(来源:牛客网) 题型 客观题:单选51道,不定项选择12道 完成时间 120分钟 牛客网评估难度系数 3颗星 ❤️ 「更多数据分析真题」 <数 ...
- 2019校招硬件岗笔试题(乐鑫科技+比特大陆)
2019校招硬件岗笔试题(乐鑫科技+比特大陆) 都是提前批次的笔试题,乐鑫科技是现场笔试,监考还挺严格的.写一写回忆版的笔试题. 乐鑫考察的比较多,但是都很基础,关于高速电路部分,推荐<信号完整 ...
- 滴滴2019校招产品经理笔试题
滴滴2019校招产品经理笔试题 题目一 题目一 对于一个50层的商业型物业楼,1-10层为百货大楼,11-50层为写字楼. 请规划楼层的经营内容或租赁对象: 有10部电梯,请根据经营情况,规划这10部 ...
- 美团点评校招前端方向笔试题
1. 请按顺序写出打印结果,并说明原因. var name = 'global'; var obj = {name: 'local',foo: function(){this.name = 'foo' ...
- 美团校招php笔试题,【美团点评】2020校招数据分析方向笔试题
这几天做了下美团校招的一些套题.(只写了编程,这两天慢慢更新吧) 这套题还是蛮简单的..我暴力了好几个都能过.一个小时多一点差不多能写完. 4.棋子翻转 题意:在4*4的棋盘上摆满了黑白棋子,黑白两色 ...
- 【美团点评2020校招测试方向笔试题】算法题部分1.删除字符 2.队列组合排序 3.寻找最小子字符串 4.最大矩形 5.最短送餐路程计算
做题网址:点击进入 1.[编程题]删除字符 将给定的字符串,按照规则删除字符,输出删除后的字符串.删除规则为:相同字符连续,则删除,如"aaaab"删除后的字符串为"b& ...
- 美团点评2020校招测试方向笔试题
一: 直接输出, 用flag记录是否有答案,一次循环,时间复杂度O(n). 代码 #include <iostream> #include <cstring> #include ...
- 美团点评2020校招前端方向笔试题
五:斐波那契数列 代码 #include <iostream> #include <cstring>using namespace std; typedef long long ...
- 美团点评2020校招数据分析方向笔试题
说明关系型数据库通过索引提升查询效率的背后原理 . 如果没有索引,数据库引擎需要通过全表扫描来查找数据,这会产生大量的磁盘IO. 关系型数据库使用B+树构建索引来加速加快查询.B+树是一种二叉查找树( ...
最新文章
- mongo实现消息队列
- 全国大学生智能车竞赛组委会秘书处与Mathworks初步讨论竞赛合作事宜
- 旧电脑怎么升级配置_旧电脑升级哪些配件效果最好?答案莫过于这3点!
- TcpClient 有好多坑
- 《深入浅出Nodejs》笔记——模块机制(2)
- generator (1)
- GoogleMapAPI
- 博电继保测试仪说明书_北京博电继电保护测试仪
- 大数据分析推动业务增长的方法有哪些
- 二分法其实很简单,为什么老是写不对!!!
- jQuery:ajax中form表单serialize()序列化方法
- fgo日服服务器维护,【FGO日服】活动维护公告(10/25)
- 华为云服务器价格表(CPU内存/磁盘/带宽收费标准)
- 国内智能音箱生态系统对比分析
- 135编辑器怎么用HTML,微信公众号文章查看HTML代码(HTML代码修改方法)
- onedrive学生账号无法登录win10 OneDrive客户端[账号密码错误]
- 中国各类医院排行(仅供参考)
- error: cannot connect to daemon解决办法
- 小学学校计算机里的单机游戏,15年前的农村小网吧,那个时候只能玩这些单机游戏...
- python二级题库最新
热门文章
- 微信小程序快速转支付宝小程序(antmove)
- java开发环境(sts,eclipse等等)解决项目上的红叉和红色感叹号的方法。
- uniapp使用悬浮窗组件添加点击事件的处理方法以及拖拽出界的问题
- 从0到100:网课老师如何自媒平台卖课?
- CString,string,char*之间的转换(转)
- Redis面试汇总笔记
- IO与CPU跟线程的关系
- 使用jackson解析json数据详讲
- js获取id后添加html代码,js获取Id的方法getElementById与$的由来和用Id判断元素是否存在及批量动态获取 Id...
- Creo(proe)自定义功能区