2022年5月下旬商汤CV实习面试题6道|含解析-技术圈

公众号福利

👉回复【100题】领取《名企AI面试100题》PDF

👉回复【干货资料】领取NLP、CV、ML等AI方向干货资料

👉回复【往期招聘】查看往期重要招聘

问题1：说下RetinaNet的focal loss

RetinaNe论文引入Focal Loss是为了解决难易样本数量不平衡的问题，常见的交叉熵损失的公式如下：

为了解决正负样本数量不平衡的问题，会在交叉熵损失前面加上一个参数，如下：
数学公式:

而Focal loss主要是为了解决难易样本不平衡的问题，因此会讲高置信度的样本（多数易分样本）的损失降低一些，就得到下下面的公式：

最终将正负不平衡和难易不平衡问题结合起来就得到下面的公式，也就是Focal Loss的最终形式：

问题2：什么是空洞卷积？计算空洞卷积的输出大小

空洞卷积也叫扩张卷积或者膨胀卷积，简单来说就是在卷积核元素之间加入一些空格(零)来扩大卷积核的过程。

计算过程：

其中：k为原始卷积核大小，r为dia rate参数。

其中：n_in为输入的维度，n_out为输出的纬度，p为padding大小，f为卷积核大小，s为补长。

问题3：dice loss代码

keras代码实现：代码实现的时候，常会加上一个smooth，防止分母为0，由此公式可以变成：

代码如下：

# 防止分母为0smooth = 100 # 定义Dice系数def dice_coef(y_true, y_pred):    y_truef = K.flatten(y_true)  # 将y_true拉为一维    y_predf = K.flatten(y_pred)    intersection = K.sum(y_truef * y_predf)    return (2 * intersection + smooth) / (K.sum(y_truef) + K.sum(y_predf) + smooth) # 定义Dice损失函数def dice_coef_loss(y_true, y_pred):    return 1-dice_coef(y_true, y_pred)

问题4：计算IOU

IoU，即 intersection over Union，就是两个矩形框的交集面积与他们并集面积的比值。IoU也是一种算法性能的指标，例如在语义分割时就会用IoU来衡量分割效果的好坏。

x1,y1,x2,y2 = box1 #box1的左上角坐标、右下角坐标x3,y3,x4,y4 = box2 #box1的左上角坐标、右下角坐标#计算交集的坐标x_inter1 = max(x1,x3) #union的左上角xy_inter1 = max(y1,y3) #union的左上角yx_inter2 = min(x2,x4) #union的右下角xy_inter2 = min(y2,y4) #union的右下角y# 计算交集部分面积，因为图像是像素点，所以计算图像的长度需要加一# 比如有两个像素点(0,0)、(1,0)，那么图像的长度是1-0+1=2，而不是1-0=1interArea = max(0,x_inter2-x_inter1+1)*max(0,y_inter2-y_inter1+1)# 分别计算两个box的面积area_box1 = (x2-x1+1)*(y2-y1+1)area_box2 = (x4-x3+1)*(y4-y3+1)#计算IOU，交集比并集，并集面积=两个矩形框面积和-交集面积iou = interArea/(area_box1+area_box2-interArea)