吃肉的星星-三一重工算法工程师面经——解答

从今天起，豆芽有空也尽己所能，帮助一下大家。

面经来源：https://www.nowcoder.com/discuss/750482?source_id=discuss_experience_nctrack&channel=-1

1. 卷积的参数量，计算量怎么算

普通卷积：3x3x3x4=108

3x3是卷积核尺寸,3是输入图片通道数目，4是输出卷积核的个数。

2. 感受野怎么算？为啥用2个串联的3x3卷积可以代替一个5x5的卷积

感受野用来表示网络内部的不同神经元对原图像的感受范围的大小。

神经元感受野的值越大表示其能接触到的原始图像范围就越大，也意味着它可能蕴含更为全局，语义层次更高的特征；相反，值越小则表示其所包含的特征越趋向局部和细节。因此感受野的值可以用来大致判断每一层的抽象层次。

两层3x3的卷积核的感受野大小为5x5，三层3x3的卷积核的感受野大小为7x7

参考文章：https://zhuanlan.zhihu.com/p/31004121

3. 卷积后的尺寸咋算，padding的两种模式是什么

卷积Input FP size 与 Output FP size之间的计算公式

如图1所示，其展示了从Input FP 经过卷积计算得到 Output FP的过程，每个通道相互之间独立

假设Input FP的尺寸方形为 $W \times W$ ， Output FP的尺寸为 $N \times N$ 为例，kernel为方形，大小为 $k \times k$ , Input FP的Padding为 $p$ , 卷积计算的步长(stride)为 $s$ , 卷积计算：
$N = [\frac {W +2p-k} {s}]+1 \\ \tag{.}$
假设Input FP的尺寸矩形为 $W \times H$ ， Output FP的尺寸为 $W^{'} \times H^{'}$ 为例，kernel为方形，大小为 $k \times k$ , Input FP的Padding为 $p$ , 卷积计算的步长(stride)为 $s$ , 图像通道数为 $C$ ，卷积计算：
$W^{'} = [\frac {W +2p-k} {s}]+1 \\ H^{'} = [\frac {H +2p-k} {s}]+1 \\ C^{'} = C \\ \tag{.}$
比如，输入特征图为5x5，卷积核为3x3，外加padding 为1，则其输出尺寸为 $\frac {5-3+2 \times 1} {1} + 1 = 5$ 。（记住：卷积向下取整，如3.2，向下取整结果为3）

padding的两种模式：一种是对原图填充0，使特征图和原图大小一致，一种是不填充，那特征图就会越来越小。

4. 简述two-stage,one-stage的区别

目标检测可以分为两种类型：“两阶段（Two-stage）检测方法”和“单阶段（One-stage）检测方法”，前者将检测定义为“从粗到精”的过程，而后者将检测定义为“一步走”的过程。如基于两阶段的SPPNet、Fast RCNN、Faster RCNN，这些算法首先生成图像中目标物体的建议候选区域，其次再对候选区域做进一步的分类和坐标框回归，得出最后的目标检测结果；而基于单阶段的YOLO、SSD和RetinaNet等，这些算法直接通过回归的方式进行图像中目标物体的检测，即分类和回归同时进行。

two-stage精度高，但速度慢；one-stage精度低，但速度快。

5. rpn网络的结构和作用

包含一个3 x 3的卷积和两个1 x 1的卷积

通过一系列卷积得到公共特征图，假设他的大小是N x 16 x 16，然后我们进入RPN阶段，首先经过一个3 x 3的卷积，得到一个256 x 16 x 16的特征图，也可以看作16 x 16个256维特征向量，然后经过两次1 x 1的卷积，分别得到一个18 x 16 x 16的特征图，和一个36 x 16 x 16的特征图，也就是16 x 16 x 9个结果，每个结果包含2个分数和4个坐标，再结合预先定义的Anchors，经过后处理，就得到候选框；

使用RPN(Region Proposal Network)代替原来的Selective Search方法产生建议窗口

以上所有题的答案其实都来源于我的博客面经，欢迎大家围观：https://blog.nowcoder.net/jiangwenbo