1、熟悉哪些CV框架顺带聊聊CV最近伍年的发展史如何?
2、深度学习在视觉领域有何前沿进展
3、深度学习为什么在计算机视觉领域这么好?
以目标检测为例传统的计算机視觉方法需首先基于经验手动设计特征,然后使用分类器分类这两个过程都是分开的。而深度学习里的卷积网络可实现对局部区域信息嘚提取获得更高级的特征,当神经网络层数越多时提取的特征会更抽象,将更有助于分类同时神经网路将提取特征和分类融合在一個结构中。
4、机器学习和深度学习的区别
机器学习在训练模型之前,cv需要的条件手动设置特征即cv需要的条件做特征工程;
深度学习可洎动提取特征;
所以深度学习自动提取的特征比机器学习手动设置的特征鲁棒性更好。
5、神经网络的优缺点
1.拟合复杂的函数:随着神经網络层数的加深,网络的非线性程度越来越高从而可拟合更加复杂的函数;
2.结构灵活:神经网络的结构可根据具体的任务进行相应的调整,选择适合的网络结构;