秋招各種筆試面試，總結(jié)下遇到的圖像處理和C++的題目。寫(xiě)下來(lái)的都是能記起來(lái)的，記不起來(lái)的應(yīng)該也有不少。大概讓沒(méi)有經(jīng)歷過(guò)的人知道會(huì)遇到什么樣的問(wèn)題，可以提前準(zhǔn)備下。 除了一下題目之外，最多的還是圍繞著你做過(guò)的項(xiàng)目來(lái)問(wèn)的。
注意，一下所有需要寫(xiě)代碼的題目，不允許使用OpenCV的Mat類(lèi)。如果圖片內(nèi)容需要用指針讀取。
給定0-1矩陣，求連通域。（遇到過(guò)N次，筆試面試都有，最好做到能徒手hack代碼或者偽代碼。）
寫(xiě)一個(gè)函數(shù)，求灰度圖的直方圖。
寫(xiě)一個(gè)均值濾波（中值濾波）。
寫(xiě)出高斯算子，Sobel算子，拉普拉斯算子等，以及它們梯度方向上的區(qū)別。
常用的特征提取方法。
常用的目標(biāo)檢測(cè)方法。
常用的邊緣提取方法。
常用的插值方法。
常用的圖像分割算法。
寫(xiě)一個(gè)圖像resize函數(shù)（放大和縮?。?。
彩色圖像、灰度圖像、二值圖像和索引圖像區(qū)別？（索引圖像到底是啥？）
深度學(xué)習(xí)中目標(biāo)檢測(cè)的常用方法，異同。
給定攝像頭范圍和圖像大小求分辨率。
如何檢測(cè)圖片中的汽車(chē)，并識(shí)別車(chē)型，如果有遮擋怎么辦？
數(shù)字識(shí)別的流程。
介紹神經(jīng)網(wǎng)絡(luò)、SVM、AdaBoost、kNN...（每一個(gè)都可能深入問(wèn)各種細(xì)節(jié)）
寫(xiě)梯度下降代碼。
卷積神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)的區(qū)別。
卷積層的作用、pooling層的作用，全連接層的作用。
過(guò)擬合和欠擬合分別是什么，如何改善。
1x1卷積和的作用。
計(jì)算卷積神經(jīng)網(wǎng)絡(luò)某一層參數(shù)量。
......
這個(gè)就太多了，隨便說(shuō)幾個(gè)印象比較深的（還能記起來(lái)的）。需要注意的一點(diǎn)是，筆試面試的時(shí)候一般不嚴(yán)格區(qū)分C和C++。
指針相關(guān)問(wèn)題，比如：
*
與
const
位置不同分別表示什么意思。
指針與引用的區(qū)別。
深拷貝與淺拷貝。
指針數(shù)組與數(shù)組指針。
指針函數(shù)與函數(shù)指針。
野指針。
......
宏。
const作用。
static作用。
sizeof相關(guān)問(wèn)題。
實(shí)現(xiàn)strcpy函數(shù)、memcpy函數(shù)。
類(lèi)的靜態(tài)成員（變量和函數(shù)）。
繼承相關(guān)問(wèn)題。
vector實(shí)現(xiàn)。
快速排序?qū)崿F(xiàn)及復(fù)雜度問(wèn)題，使用場(chǎng)景問(wèn)題。（也有可能是其他常見(jiàn)的排序算法）。
二分查找實(shí)現(xiàn)（遞歸非遞歸）。
二叉樹(shù)遍歷（先序、中序、后續(xù)，遞歸非遞歸）。
二叉樹(shù)相關(guān)問(wèn)題。（二叉樹(shù)問(wèn)題是最常見(jiàn)的，經(jīng)常出現(xiàn)于各種選擇題填空題編程題以及面試過(guò)程中讓白紙寫(xiě)代碼的時(shí)候）
遞歸相關(guān)問(wèn)題。比如給個(gè)遞歸函數(shù)問(wèn)返回結(jié)果?；蚪o個(gè)問(wèn)題讓用遞歸解決。
......
重慶分公司
重慶分公司
