简介面向北京交通大学计算机视觉课程期末复习与考点梳理的2024年必考知识点汇总适合修读该课程、需要快速建立知识框架和查漏补缺的学生使用。内容包括图像滤波的相关、卷积与内积三种定义及模板匹配、图像增强、特征提取三类用途并延伸到高斯核参数设置、高斯偏导核、Canny细边缘与双阈值、滤波器组、Harris角点、自动尺度选择、SIFT方向与描述子、视觉词典和纹理基元等传统视觉考点。后半部分覆盖线性分类与损失函数、梯度更新、小批量训练、隐藏层作用、CNN输出尺寸与参数量、感受野和权值共享、AlexNet、Sigmoid梯度消失、数据增广、Dropout、Momentum、1×1卷积与残差模块以及R-CNN到Faster R-CNN、RPN、NMS、PR/AP、全卷积网络和转置卷积等检测与分割内容。资源包共1个PDF文件大小约9.69MB已有667人学习适合按考点逐条复习并对照课堂重点查漏。1. 从“滤波有几种定义”说起这门课的分数藏在哪某高校计算机视觉课程下称这门课的卷面最能拉开差距的往往不是最后那道检测大题而是开头几个“请简述”。图像滤波的三种定义、高斯核参数怎么设、Canny 如何取细边缘——这类题单题分值不高但覆盖整本讲义的骨架答得准不准直接暴露你复习到没到位。2024 年这份必考知识点汇总把 41 个高频问题按模块排开恰好就是命题人出简答题的题源池前面是滤波与特征中间是分类器与网络后面是 CNN 与检测分割。想拿分先别急着背 SIFT 流程把“定义—参数—为什么”这三层答法练熟定义一句话写准参数给出数值关系为什么落到数学或几何上。这门课的判分逻辑很像面试答对名词只给一半分说清设计动机才给满。2. 滤波与边缘三种定义、高斯核参数与 Canny 的两道必答题这一章覆盖讲义最前面的七个问题也是整份卷子里最“送分”的部分但也是最能暴露功底的地方。老师出题的心态很明确你连相关和卷积都分不清后面讲特征检测就没有意义。所以这一章的复习目标不是“知道有这回事”而是能当场把三个定义一字不差地写出来再各配一个例子。2.1 相关、卷积、内积三种定义要能当场写出来相关是最朴素的滑窗运算模板覆盖区域内模板的每个元素与图像对应位置的像素逐一相乘再把结果累加得到的新值放在模板中心对应的位置上。卷积只多一步——把同样的模板旋转 180 度再做一次相关。内积换了个视角把模板和图像块分别按行或按列扫描成两个向量逐元素相乘后求和输出一个标量。三者不是三套独立知识而是一件事的三种说法。答题时补一句关系判断阅卷老师立刻知道你不是死记的卷积等于翻转加相关内积是相关在向量化视角下的等价描述。再加一句实践层面的加分点——深度学习框架里叫 conv 的那个算子实现上算的其实是相关因为它不翻转核模型自己会把该学的方向学进去。下面这段代码可以把这三层关系一次性验证清楚。import numpy as np img np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) k np.array([[1, 0, 0], [0, 1, 0], [0, 0, 1]]) # 一个非中心对称的核方便对比 def corr(x, w): 相关模板不翻转直接滑窗做逐元素乘加 h, wd w.shape out np.zeros((x.shape[0] - h 1, x.shape[1] - wd 1)) for i in range(out.shape[0]): for j in range(out.shape[1]): out[i, j] np.sum(x[i:i h, j:j wd] * w) return out def conv(x, w): 卷积先把核旋转180度再复用相关 return corr(x, np.rot90(w, 2)) print(corr(img, k)) print(conv(img, k))np.rot90(w, 2)就是旋转 180 度第二个参数 2 表示转两次 90 度。跑一遍会发现corr和conv输出不同——这不是 bug恰恰说明翻转是实打实的一步。只有当核本身中心对称时高斯核就是典型两者结果才完全一致这也是为什么很多教材在高斯滤波那节从不强调翻转。2.2 三种用途各配一个例子别只背名词模板匹配拿一个目标原型人为造一个滤波器和测试图像做卷积响应越大越匹配。手势识别就是典型场景——提前截一张“剪刀手”模板在整幅图上滑动峰值位置就是手的落点。这类题的失分点在于只写“用于匹配”不写“结果越大越匹配”这个判读规则。图像增强分平滑和锐化两条路。平滑用高斯核压掉噪点锐化用拉普拉斯算子或梯度算子拉高边缘对比。答题时把美颜相机拎出来最好用磨皮是平滑去的是瑕疵和细纹提亮、加对比、调色调是增强本质是让结果更符合人的审美。特征提取把有判别力的视觉线索抽出来交给后续分析。Canny 提取的是边缘核心工具是高斯偏导核边缘检测里也常用拉普拉斯算子再往后就是 Harris 角点和 SIFT 特征点。这一问的答题诀窍是“用途 对应算子”配对写别泛泛而谈。2.3 高斯核为什么 size 加倍结果还差不多这题考的是对 3σ 原则的理解不是让你背公式。高斯核服从正态分布对图像做平滑在数学上等价于在某个范围内求定积分。核的宽度一般取 2×(3σ)也就是 6σ 左右此时积分结果已经收敛得差不多再往外扩的权重小到可以忽略。所以 size 从 6σ 翻到 12σ多出来的那些位置上的系数接近 0图像看着当然差不多。参数设置要写两条σ 是标准差决定平滑程度σ 越大核越宽、图像越糊核宽取 6σ工程实现上常写成 2*(3σ)1 保证奇数边长好让核有唯一的中心。这两条写全分数基本就稳了。提示这题最忌讳答“因为高斯核是正态分布”就收尾。正态分布只是前提真正决定“结果类似”的是 3σ 之外的积分贡献可以忽略因果链要写完整。2.4 高斯偏导核把两步合成一步省了什么用途一句话同时完成去噪和边缘提取。设计原理是卷积的可结合性——先对图像做高斯平滑再对平滑结果求梯度这两步可以合并成一个高斯偏导核直接和原图卷积。省下的是中间那次完整的平滑结果计算量降下来效率提上去。答题时把顺序讲清楚别颠倒了不是“先求梯度再平滑”而是“平滑后的梯度”等价于“高斯偏导核与原图卷积”。这个等价关系是整道题的核心写错方向整题就没分了。2.5 Canny 的细边缘与双阈值采分点在哪细边缘靠非极大值抑制。遍历每个像素把它和梯度方向上相邻的两个点比梯度幅值是局部最大就保留否则丢掉。这里有个容易被追问的细节数字图像里梯度方向是连续的相邻点往往不落在整像素上。两种处理方式都得会说——角度量化把方向归到 0、45、90、135 这四个方向里最近的一个或者线性插值按比例把两侧的梯度值算出来再比。双阈值则是为了解决弱边缘和噪声的纠缠。设一个高阈值 maxVal 和一个低阈值 minVal阈值取自梯度幅值图。高于 maxVal 的定为强边缘低于 minVal 的直接丢弃夹在中间的弱边缘看连通性——能连到强边缘上就保留连不上就舍弃。这门课特别喜欢在这题上做文章因为它同时考了“为什么需要两个阈值”和“两个阈值分别管什么”。标准答法是高阈值保准低阈值保 recall连通性判断把两者接起来。2.6 滤波器组一张表背完三类核滤波器组这题看着杂其实一张表就能收住。答题时按“核 → 图像处理用途 → 视觉任务 → 数学解释”四列展开逻辑立刻清楚。滤波器图像处理中的用途视觉任务数学解释高斯核平滑斑点检测对图像求积分LoG锐化斑点检测先高斯平滑再求二阶偏导高斯一阶偏导核边缘检测检测边和条对高斯求一阶偏导后卷积高斯二阶偏导核边缘检测检测边和条对高斯求二阶偏导后卷积背这张表的关键是理解“求导阶数决定检测什么”零阶抓亮斑一阶抓边缘二阶抓更细的结构。考场上如果只记得一半就从求导阶数往回推。3. 特征与多尺度Harris 的 R 值、SIFT 双塔与视觉词典从这一章开始进入这门课的第一个难点区。前半段是手工特征时代的经典三件套——Harris、尺度选择、SIFT后半段是视觉词典和纹理基元本质是把局部特征组织成可以检索的表示。这一块的题目特点是“步骤多、细节密”答题时最忌跳步。3.1 Harris泰勒展开之后为什么要用 R 代替特征值Harris 的起点是灰度变化公式 E(u,v)窗口平移 (u,v) 后窗口内像素灰度变化的平方和。直接算是算不动的因为 x、y 和 u、v 纠缠在一起。关键一步是用泰勒展开把 I(xu, yv) 展开把 x、y 与 u、v 解耦最后整理成一个二次型中间的实对称矩阵就是 M。M 做特征值分解和相似对角化之后U 决定图形方向两个特征值 λ1、λ2 决定图形大小。判据很干脆两个特征值都大是角点只有一个大是边两个都小是平面。到这里逻辑是完整的但代价太大——每个像素都做一次特征值分解工程上受不了。所以才有 R 值R det(M) − k·trace(M)²。行列式和迹都比特征值好求R 大且为正对应角点R 为负对应边|R| 很小对应平面。答题时要把“为什么换”写出来只写 R 的公式不写动机属于典型的不完整。3.2 自动尺度选择与特征尺度的物理意义自动尺度选择的基本思想是构建尺度空间用一系列从小到大的窗口去覆盖图像的不同尺度区域然后找一个函数 f(x, y, σ)看它在哪个 σ 上取局部极大值就把这个 σ 和窗口大小绑定起来。这题的关键词是“局部极大”不是“最大”写错一个字意思全变。特征尺度的物理意义更抽象得从信号与滤波器的关系切入。这里的 f 用 LoG 实现用不同 σ 的 LoG 和信号做卷积卷积结果可以理解为信号最高点与 LoG 图像围成区域的面积。当信号最高点恰好落在 LoG 的零交叉点上时这个内积取到最大也就是函数达到局部极大。一句话总结特征尺度就是让响应最强的那个滤波器尺度它反映了特征本身的尺寸。3.3 SIFT 双塔结构四处简化计算的答法“双塔”指的是高斯金字塔和差分金字塔这对结构。设计灵感来自人的视觉——近大远小、近清晰远模糊。具体做法是用从小到大的一系列高斯核对原图做不同程度平滑把这些平滑结果堆起来就是高斯金字塔组内相邻两层相减得到高斯差分金字塔用它来找极值点。真正拉开分差的是“如何简化计算”这半问标准答案是四条。第一大尺度平滑可以由小尺度平滑叠出来kσ 尺度的卷积结果等于先做 σ 尺度卷积再用 √((kσ)²−σ²) 的核卷一次。第二跨组时不用造大核把图像缩小再用小核卷效果等价。第三Octave2 里的 2σ 层可以由 Octave1 倒数第三层的卷积结果下采样一倍得到。第四用 DoG 代替 LoG——差分金字塔里每一层近似就是拉普拉斯核的卷积结果而减法比卷积便宜得多。这四条是全课最值得背的清单之一因为它是“工程上怎么把复杂算法落地”的典型样本老师很爱考。3.4 关键点方向投票与描述子生成方向确定的流程要按顺序背以关键点为圆心、1.5σ 为半径画圆由这个圆确定一个正方形区域区域内每个像素算梯度方向把 [0°, 360°] 量化成 n 个方向 bin然后做加权投票权重来自两处——离关键点越近权重越大梯度幅值越大权重越大最后取直方图里票数最高的方向作为主方向。描述子生成是在方向确定之后。同样取那个正方形区域切成 m 个 4×4 的小块每块内部把梯度方向量化成 n 个 bin 做投票得到 n 维向量把 m 个小块的向量拼起来就是 m×n 维的描述子。教材里常取 4×4 个子块、8 个方向合成 128 维但答题时按 m、n 泛化写更稳妥不容易被判“硬套数字”。提示这一问的常见失分是只写“统计梯度直方图”。投票的权重来源、区域的半径取 1.5σ、主方向怎么选这三处必须出现否则步骤分拿不全。3.5 视觉词典与纹理基元两问其实是一套流程视觉词典的构造是典型的 BoW 思路先用 SIFT 找出每幅图的关键点把图像表示成局部特征的无序集合再用 K-means 这类聚类算法把这些局部特征聚成若干类每个聚类中心就是一个视觉词汇所有词汇合起来构成词典。词典大小就是聚类数 kk 越大表示越细但也越容易过拟合。纹理基元的构造是同一套思路换了个入口先把每个像素表示成一个 48 维向量对这些向量聚类得到 k 个视觉词然后用固定大小的窗口在图像上滑动把窗口内每个特征按距离映射到最近的词上再用一个和词典维数相同的直方图统计每个词出现几次最后比较不同窗口的直方图相似的就认为是同一类区域。这两问连着考的概率很高因为它们是“局部特征 → 全局表示”这条主线的两个实例。答题时先说共同点都是聚类 直方图统计再说差异一个以关键点为入口一个以像素向量为入口层次感就出来了。4. 从线性打分到检测网络W 的两种视角、损失函数与 R-CNN 三代这是全篇分量最重的一章覆盖从线性分类器一直到 Faster R-CNN 的内容。它的组织逻辑是一条直线先有打分函数 s Wx再谈怎么评价 W 好不好损失函数然后谈怎么改 W梯度下降与各种训练技巧接着把线性模型换成带隐藏层的网络最后落到卷积网络和目标检测。理解这条主线比零散背 20 个知识点有用得多。4.1 NB、KNN、线性分类器的关系一句话说清监督学习的目标是根据输入预测标签差别在于走哪条路。生成式方法要先知道联合概率分布 P(X, Y)再推条件概率 P(Y|X)过程通常很复杂。朴素贝叶斯就是这条路它推出来的两类决策边界恰好是一条直线。判别式方法跳过联合分布直接求 P(Y|X)。KNN 属于这一类它连参数都不怎么估直接找最近的样本借标签用结构风险不超过两倍贝叶斯误差。线性分类器更直接把决策边界参数化成 W靠损失函数把 W 学出来。答题时给一个统一的结论三者殊途同归NB 推出的边界是线性的线性分类器直接假设边界是线性的KNN 用局部近邻逼近这条边界。把这个“同”写出来比分别介绍三段要得分高。4.2 W 的代数视角和几何视角代数视角把 W 按行拆开每一行是一个模板代表某个类别的平均模式输入图像和哪个模板匹配得越好得分越高。几何视角W 是得分函数里 x 前面的系数每一行对应一个超平面代入算出结果为正说明样本落在该超平面的正侧。n 个类别就有 n 条决策线最后取分最高的那条线对应的类别。两个视角其实在说同一件事但回答时必须分开写因为题目明确要求“分别从”。补充一句会显得更透模板匹配是“像不像”超平面划分是“在哪边”深度网络里这两件事同时发生。4.3 softmax 交叉熵与 SVM 铰链损失怎么写损失函数的作用是评价当前 W 的好坏。softmax 配交叉熵先把得分转成概率分布真实标签是 one-hot只需要取标签为 1 那个位置对应的概率算负对数即可。SVM 配铰链损失正确类得分要比其他类得分高出至少一个 margin超出的部分不罚不足的部分线性累加。import numpy as np def softmax_loss(scores, y): scores: 各类别打分向量; y: 正确类别下标 scores scores - np.max(scores) # 减最大值防指数溢出 exp np.exp(scores) prob exp / np.sum(exp) # 归一化成概率 return -np.log(prob[y]) # 只取正确类那一项 def hinge_loss(scores, y, margin1.0): 正确类得分需比其它类高出 margin不足才计损失 correct scores[y] losses np.maximum(0, scores - correct margin) losses[y] 0 # 正确类自身不计损失 return np.sum(losses)两个函数放在一起看差异最直观softmax 把所有类别拉进一个概率分布里比较铰链损失只关心“正确类有没有领先足够多”。前者对每条分界线都敏感后者只在意边界附近的样本。这一对比写进答案基本就是满分答法。4.4 更新方向、批大小、动量、隐藏层四个高频追问参数更新方向靠梯度下降沿梯度的反方向走前提是学习率等超参固定。这题看似简单但一定要写“反方向”写成“沿梯度方向”直接零分。批块是不是越小越快不一定。小到一定程度之后单次迭代的时间差别不大反而因为迭代次数暴增导致总时间更长。真正的收益不在速度而在训练效果。为什么小批量有助于训练全批量梯度下降有个隐患如果某段梯度恰好为 0训练就卡住了。小批量每次算的损失都略有不同这一轮卡住下一轮的扰动很可能把它推出去。噪声在这里不是坏事是帮模型跳出停滞的手段。隐藏层的作用要分两层答。第一层是特征转换把原始空间映射到另一个空间让原本线性不可分的数据变得线性可分。第二层是分布式表示单隐层可以学出远多于类别数的模板这些模板在类别之间共享表征一个类别时要从多个模板里挑几个拼起来。举例来说10 分类任务里原始线性模型每类只能学一个模板模板不好就死掉了加了隐层之后能学 100 个模板自由度完全不一样。模板多了梯度下降不好使于是才需要反向传播。这两问经常连着出第二问就是逼你把“分布式表示”这个词说出来只答“增加非线性”拿不到高分。4.5 CNN 计算题输出尺寸与参数量输出尺寸 (N 2P − F) / S 1N 是输入边长P 是 paddingF 是核大小S 是步幅。参数量 (F×F×输入通道数 1)×卷积核个数。那个 1 是偏置漏了就是血泪教训。def conv_out(size, f, p0, s1): 输出特征图边长 return (size 2 * p - f) // s 1 def conv_params(f, c_in, c_out): 参数量 (核高*核宽*输入通道 偏置) * 输出通道数 return (f * f * c_in 1) * c_out print(conv_out(224, 7, p3, s2)) # 112 print(conv_params(3, 64, 128)) # (3*3*641)*128把这两个函数记住考场上换任何数字都能现场推。容易错的地方有两个padding 要乘 2两边各补一次步幅是整除关系算出来不是整数说明参数设置有问题。4.6 感受野、权值共享与 AlexNet 四件套感受野从神经计算视角看就是一个神经元连到的输入区域。权值共享则是说卷积核的系数在所有空间位置上不变——多层感知机里每条边的权重都是独立的卷积里同一颜色的线共用同一组系数这正是参数能压下来的原因。AlexNet 的四个特点要成组记第一次用 ReLU 抑制梯度消失做数据增广扩充训练样本dropout 取 0.5batch size 128 配 SGDMomentum 取 0.9 加速收敛。这四条几乎每年都以填空或简答形式出现属于必拿分。4.7 小卷积核、1×1 卷积、残差三条“为什么”的标准答法小尺寸滤波器的好处有四条。3×3 是能捕获像素八邻域信息的最小尺寸两个 3×3 堆叠的感受野是 5×5三个堆叠是 7×7可以用小核堆叠替代大核多层堆叠带来更多非线性激活判决函数更有判别力参数量还更少——输入输出通道都是 C 时三个 3×3 是 27C²一个 7×7 是 49C²。代价是反向传播时中间层占更多内存。1×1 卷积的作用是在不改变特征图空间尺寸的前提下做线性形变再过激活函数增加非线性同时可以通过控制核个数实现升维或降维从而压缩参数量。残差模块解决的是深层网络的退化问题层数加深表现反而变差。做法是引入一条 shortcut把输入直接加到输出上让网络去学残差 F(x)。学恒等映射 F(x)0 比直接学恒等映射容易得多。附带好处是梯度可以顺着捷径直接传回去缓解梯度消失。4.8 R-CNN 三代演进缺什么、补什么R-CNN 的流程是Selective Search 生成约 2000 个候选区域每个区域裁出来缩放到固定尺寸独立送进 CNN 提特征再用 SVM 分类、线性回归调框最后 NMS 去重。问题很清楚2000 个区域各跑一次卷积重复计算极其严重每个区域的特征都要存下来存储压力大CNN、SVM、回归器分阶段训练流程繁琐。Fast R-CNN 的改进在于共享整幅图只过一次 CNN 得到特征图候选区域映射到特征图上用 RoI Pooling 统一到固定尺寸然后接全连接层分类和回归两条分支共用一个多任务损失端到端训练。计算量和存储都大幅下降。但它还留了个尾巴——候选区域仍靠 Selective Search 生成这一步本身就慢。Faster R-CNN 把最后这个尾巴也砍了用 RPN 在特征图上直接生成候选区域RPN 和检测网络共享卷积特征整个流程统一成一个端到端框架。三代演进这条线答题的骨架就是“前一版的瓶颈在哪后一版用什么手段消掉”。只写各版本的步骤不写瓶颈与对策的对应关系是最常见的丢分方式。4.9 RPN、NMS、AP、FCN 与转置卷积RPN 的思路是在特征图上滑窗每个位置预置一组不同尺度和长宽比的锚点对每个锚点做二分类目标或背景和四个参数的框回归。输出尺寸上二分类是 1×H×W回归是 4×H×WH、W 是特征图高宽。def nms(boxes, scores, thresh0.7): boxes: Nx4 的框坐标; scores: N 个置信度 order scores.argsort()[::-1] # 按得分从高到低排 keep [] while order.size 0: i order[0] # 取当前最高分 keep.append(i) ious [iou(boxes[i], boxes[j]) for j in order[1:]] # 只保留与当前框重叠度不超过阈值的候选 order order[1:][np.array(ious) thresh] return keepNMS 的核心就是三步循环取最高分、算 IoU、删掉超阈值的。thresh调大保留得多调小删得狠实际调参时常在 0.5 到 0.7 之间试。这题在纸上考关键是把“迭代”写出来很多人只写一轮就结束。AP 的画法把检测结果按置信度排序逐个计算 precision 和 recall以 recall 为横轴、precision 为纵轴连成 PR 曲线曲线下的面积就是 AP。全卷积网络的问题在于反复下采样丢分辨率最后的上采样又太粗糙边界对不齐。转置卷积提供了一种可学习的上采样方式通过设置步幅和卷积核把特征图放大回来比固定插值更灵活。5. 易错点五类最容易被扣分的答法这一章按“错在哪 → 为什么错 → 怎么答对”来组织全部来自这门课简答题里反复出现的失分现场。考前把这五条过一遍比再刷十道新题管用。5.1 把相关和卷积说反错在哪直接说“卷积就是滑窗相乘再相加”把翻转那一步漏掉了。为什么错教材开头就把两者并排定义出题人考的就是这个区别。漏掉翻转等于告诉阅卷人你只记住了结论没记住定义。怎么答对先各自给定义再补一句“卷积 模板旋转 180 度 相关”。如果还有余量加一句框架里的 conv 实际算的是相关把理论和工程对上。5.2 高斯核宽度的公式记成 3σ错在哪写成“核大小为 3σ”。为什么错3σ 是单侧半径核的宽度是两侧之和还要保证奇数边长好取中心所以是 2×(3σ)工程上常写 6σ1。怎么答对把“为什么是 6σ”也带上——3σ 之外的正态分布积分贡献已经很小再宽没有意义。公式和理由一起写这题就没得扣。5.3 Harris 里用特征值还是 R 值搞混错在哪判据说成“计算 R 值两个特征值都大是角点”。为什么错R 是一个标量没有“两个特征值”这回事。特征值判据和 R 值判据是两套方案前者精确但贵后者便宜是近似。怎么答对分两层写。理论上用 M 的两个特征值判断两个都大是角点、一大一小是边、都小是平面工程上用 R det − k·trace² 替代R 大且正为角点R 负为边|R| 小为平面。5.4 参数量公式忘了偏置和核个数错在哪算成 F×F×输入通道数。为什么错卷积核是一整组每个输出通道对应一个核每个核还有一个偏置项。怎么答对写成 (F×F×C_in 1)×C_out逐个字母解释含义。如果题目给了具体数字先写公式再代数即使算错也能拿到公式分。5.5 R-CNN 三代答成流水账错在哪把三个版本的步骤各写一遍中间没有因果关系。为什么错这道题的问法是“前者存在什么不足后者如何改进”重点在瓶颈与对策的对应不在步骤罗列。怎么答对每段用“瓶颈 → 手段 → 效果”三句话。R-CNN 的瓶颈是 2000 次重复卷积Fast 用整图一次卷积加 RoI Pooling 消掉Fast 的瓶颈是 Selective Search 太慢Faster 用 RPN 把它换掉。三个版本三组因果写得越干脆越好。6. 押题与答题节奏把 41 个知识点收成三条主线复习到后期最怕的是知识点越背越多、脑子里却越来越乱。这份汇总里的 41 个问题其实可以收成三条主线考场上任何一道题都能挂到其中一条上。第一条是“怎么把像素变成描述”。滤波、边缘、Harris、尺度选择、SIFT、视觉词典、纹理基元全在这条线上本质是手工设计特征的时代。凡是被问到某个算子的设计动机都往“抗噪、抗尺度、抗旋转、省计算”这四个方向靠。第二条是“怎么把描述变成决策”。打分函数、两种损失、梯度下降、批大小、动量、隐藏层、激活函数、dropout、数据增广都属于这一类。被问到“为什么这样设计”答案基本落在“让优化更容易”或“让泛化更好”两处。第三条是“怎么把决策落到图上”。CNN 的计算、感受野、权值共享、小卷积核、1×1 卷积、残差、R-CNN 三代、RPN、NMS、AP、FCN、转置卷积是这条线。这条线最爱考演进类问题答题模板固定为“瓶颈 → 手段 → 效果”。具体到答题节奏我的建议是按分值分配时间简答题不要恋战。一道 5 分的题写满三句话就够定义、参数、动机。写多了不加分还挤占后面大题的思考时间。遇到完全没背过的题别空着从三条主线里找最近的邻居往上靠——比如问“转置卷积解决了什么”就算细节记不清也能从“上采样、恢复分辨率、可学习”这三个词展开拿一半分不难。考前那晚我一般只做一件事把三条主线的骨架在纸上默画一遍每个节点旁边写一个关键词。画得出来说明结构在脑子里画不出来说明还在死背。那年我第一次答 SIFT 双塔那道题四条简化计算只写出两条剩下两条怎么想都想不起来最后硬着头皮把“用 DoG 代替 LoG”重复写了两遍交卷时就知道要扣分。从那以后我每背一个多步骤的知识点都强制走一遍“每步省了什么”的自问答不出来就说明没真懂。希望帮到你。本文还有配套的精品资源点击获取