原创 C++ 筆試——常見輸入

估計有很多人和我的感受一樣,筆試的時候,輸入就耗費了很長時間,有幾次甚至因爲輸入的問題,核心思想都想出來了,還是gg了。故此在這裏總結c++中常見的輸入。 目錄 一、以空格爲間隔的數組 二、多組測試數據(while(cin>>...))

原创 [算法] - 數組和矩陣(左神程序員代碼面試指南)

千里之行,始於足下;代碼還是得自己寫,才能記憶深刻,這是一個需要累積時間的過程,不是說你在圖書館待上一週,看着書就會了的事情。也由此,在此總結數組合矩陣相關的問題,自己寫代碼實現(c++) 目錄 快速排序 歸併排序 未排序 正數數組中累計

原创 cv崗位 - 深度學習面試知識總結(不斷更新)

githua上面有個深度學習500問,大家可以看看那個,我這個作爲補充,而且相對說明的更詳細一些。 目錄 1. 常用的一階、二階優化算法有哪些?區別是什麼? 2. 爲什麼二階優化算法更快呢? 3. 神經網絡爲啥不用擬牛頓法而是用梯度下降?

原创 cv崗位 - 機器學習面試總結(不斷更新)

總是看到網上的面經有提到大廠面他們的時候,會問一些機器學習的問題,很多其實都是數學問題,乍一看,好暈啊,什麼貝葉斯概率,似然函數什麼的。但是怎麼說,這是必須要過的一關,而且我對自己的數學還是相當有信心的。 目錄 一、基本概念 先驗概率 後

原创 c++筆試中algorithm常用函數

#include<algorithm> 用#include<bits/stdc++.h>萬能頭文件好了 常用功能:交換swap,逆序reverse ,旋轉rotate,排序sort,排列組合permutation,查找find,劃分(pa

原创 深度學習漲姿勢篇(不斷更新)

目錄 1. 非線性激活層到底是個什麼樣的東西? 2. 使用激活層的原則: 3. ResNet之所以work的本質原因 1. 非線性激活層到底是個什麼樣的東西? 其實,對於一個數據,利用非線性激活層對其進行激活,其實是從該數據的信息中提取出

原创 CV實習面經——商湯/曠視/海康威視/阿里

寫在開頭,其實我本人認爲,很多面經是沒有用的,這個還是要看面試官的。所以,你猜對了,我這個就是騙訪問量的。。。。。。咳咳咳,說正緊的,其實主要是記錄一下“美麗”的青春~ 面試官:你說你預處理用到了局部自適應直方圖均衡化,那麼介紹一下~ 我

原创 Sift的尺度不變性與旋轉不變性【精華版】

參考自: https://blog.csdn.net/zddblog/article/details/7521424 https://blog.csdn.net/dcrmg/article/details/52561656   1.尺度不

原创 IoU-Net 直觀深入理解

具體的研究背景可以參看這兩篇,我這裏只說一下我的直觀理解。 這兩篇文章前因後果講的可以,但是總覺得到底實現的過程是怎麼樣的,以及怎麼給人一個直觀的流程的感受,沒有說到。 推薦大家先看這兩篇,然後再看看我的這篇,歡迎大家討論。 https:

原创 小目標檢測的五個方向 + Global Context +Local Context 綜述

首先推薦大家兩篇目標檢測綜述論文,都是2018年11月的。 Recent Advances in Object Detection in the Age of Deep Convolutional Neural Networks Deep

原创 AI面經(提問論文時如何出彩?)——Cascade RCNN爲例

AI面的時候,問你看過的論文,是在正常不過的事情了,那如何出彩呢?拿我Cascade RCNN論文爲例 目錄 0.本質 1. 提出的背景(也是重點,每個論文提出的原因) 2. 作者的實驗(證明你的論文視角) 1.如何改進 2.改進的必要性

原创 C++ 解疑

1.C++ 值傳遞、指針傳遞、引用傳遞詳解 #include<iostream> using namespace std; //值傳遞 void change1(int n){ cout<<"值傳遞--函數操作地址"<<&n<

原创 Moris遍歷

目錄 1. 牛逼的地方 2. 實質 3. 具體細節: 4. morris遍歷時間複雜度的證明 5. 先序,中序,後序 6. 代碼 Morris遍歷 ,一種遍歷二叉樹的方式 時間複雜度O(N),額外空間複雜度O(1) 1. 牛逼的地方

原创 樹形dp套路

樹形dp套路 樹形dp套路使用前提: 如果題目求解目標是S規則,則求解流程可以定成以每一個節點爲頭節點的子樹在S規則下的每一個答案,並且最終答案一定在其中 https://www.cnblogs.com/mhpp/p/6628548.ht

原创 【學習・求職必備】極好的深度學習相關綜述類的github項目

隨着開源已經成爲技術人員的習慣和基本素質,小白們也能夠利用好這些資源快速入手體驗項目,那麼,深度學習方向有哪些優質的資源呢! 01 awesome-python   https://github.com/vinta/awesome-p