起始日期：2021-12.05 — offer
先说下本人情况：双非研究生 + 旷视实习 + 顶会非核心作者 + 几段项目经历 目前上岸一家芯片公司的算法研究员岗位！
秋招过程总结就是：海投 海投 海投！总之就是非常漫长，好在坚持下来了吧，也汇总了一些准备的笔记，希望对大家有所帮助。
本仓库汇总CV算法岗重要的一些知识点和面试问答，主要分为基础篇包括数据结构、计算机视觉、机器学习、图像处理和Python及C++基础 五大块，还有实战篇包括：简历准备、项目介绍、面经汇总等。
为了刺激下大家的神经，激发斗志，在往下看之前可以先看看这篇经验分享：算法岗必须人手一篇顶会？超详细面经：无论文、无实习拿下腾讯CV算法岗。创建本仓库的灵感也就是来源于此文，感谢大佬的分享，同时感谢该CV_interviews_Q-A仓库作者，很多知识都是按照他的来的，而且内容组织十分nice，站在他们的肩膀上，添加自己的思路和想法，力争满足秋招面试需求！（也希望大家在备战过程中，逐步形成自己的知识系统，这也许是本仓库最大的意义所在！）
由于github上直接看的话很多公式和图片看不了，请 clone 到本地然后下载安装Typora查看，Typora 完全免费，体验非常好，强烈安利一波。
知识不是看几遍就会的，好记性不如烂笔头，最好看了我们的总结后，你也自己敲出一个适合你的版本，或删减或添加或修改为适合你的表达方式，这样会大大提升学习的效果。
需要声明的一点是：本文是作为个人学习总结的，不生产知识，只是知识的搬运工，主要做的工作是知识整合与逻辑梳理，参考了很多大神的博客及文章资料(文章中会注明参考的资料，感谢这些作者的贡献)，当然也会有自己的思考，不喜勿喷，如有错误，恳请指正！
PS：这里列出各大块的问题部分清单，详细内容请查看对应于各文件夹下的md文件。
由于内容太杂，主要放在notion上进行统一管理，链接见此处：【notion传送门】
主要是传统图像处理，涉及图像滤波、边缘检测、特征提取等，采用数学方式对图像的空间域以及频域进行操作，可谓图像入门的基石！
| 序号 | 是否完成 | 问题描述 |
|---|---|---|
| 1 | 是 | 01_边缘检测算子有哪些以及它们之间的对比 |
| 2 | 是 | 02_Laplace算子专讲 |
| 3 | 是 | 03_开操作与闭操作 |
| 4 | 是 | 04_常见的三种图像插值方法 |
| 5 | 是 | 05_Hough变换检测直线与圆的原理 |
| 6 | 是 | 06_LBP算法原理 |
| 7 | 是 | 07_HOG算法原理 |
| 8 | 是 | 08_FAST、BRIEF、ORB算法原理 |
| 9 | 是 | 09_SIFT算法原理 |
| 10 | 是 | 10_传统特征提取方法总结 |
| 11 | 是 | 11_旋转矩阵 |
本质还是一种特征提取基础，本章节内容侧重于卷积原理、损失函数、反向传播原理等通用的基础知识。
| 序号 | 是否完成 | 问题描述 |
|---|---|---|
| 1 | 是 | 01_三种常见的激活函数 |
| 2 | 是 | 02_过拟合和欠拟合的表现与解决方法 |
| 3 | 是 | 03_代码实现卷积操作 |
| 4 | 是 | 04_BN层的深入理解 |
| 5 | 是 | 05_ReLU函数在0处不可导，为什么还能用 |
| 6 | 是 | 06_Pooling层的作用以及如何进行反向传播 |
| 7 | 是 | 07_梯度消失和爆炸以及解决方法 |
| 8 | 是 | 08_softmax函数及求导过程 |
| 9 | 是 | 09_为什么输入网络前要对图像做归一化 |
| 10 | 是 | 10_优化器原理及发展路线 |
| 11 | 是 | CNN网络各种层的FLOPs和参数量paras计算 |
| 12 | 是 | CNN在图像上表现好的原因 |
| 13 | 是 | 感受野大小的计算问题 |
| 14 | 是 | 卷积网络中的卷积与互相关的那点事 |
| 15 | 是 | 简述CNN分类网络的演变脉络及各自的贡献与特点 |
| 16 | 是 | 为什么用F1-score |
| 17 | 是 | 了解全卷积网络FCN |
| 18 | 是 | 各种卷积方式串讲 |
| 19 | 是 | 特征融合concat和add的区别. |
| 序号 | 是否完成 | 问题描述 |
|---|---|---|
| 1 | 否 | SVM原理与应用 |
| 2 | 是 | LR和SVM的比较 |
| 3 | 是 | k-mens算法原理 |
| 4 | 是 | 三种主要集成学习** |
| 5 | 是 | PCA算法原理 |
汇总常考的
| 序号 | 是否完成 | 问题描述 |
|---|---|---|
| 1 | 是 | python迭代器与装饰器 |
| 2 | 是 | python装饰器 |
| 3 | 是 | 引用赋值_浅拷贝与深拷贝 |
| 4 | 是 | python的C语言扩展 |
| 5 | 是 | python可变对象与不可变对象 |
| 6 | 是 | python包相对导入 |
| 序号 | 是否完成 | 问题描述 |
|---|---|---|
| 1 | 是 | 初识递归 |
| 2 | 是 | 递归返回值怎么定 |
| 3 | 否 | 排序算法大串讲 |
| 4 | 是 | 搜索问题之回溯大串讲 |
| 5 | 是 | 最优问题之动态规划 |
| 6 | 是 | 最优子结构与动规 |
| 7 | 是 | 记忆化递归初始值怎么定 |
| 8 | 是 | 最优问题之贪心算法 |
| 9 | 是 | 数组问题之前缀和 |
| 10 | 是 | 数组问题之差分数组 |
| 11 | 是 | 数组问题之滑动窗口 |
| 12 | 否 | 动态规划之子序列问题 |
| 13 | 否 | 最优问题之状态机 |