最近在准备计算机视觉岗位的面试陆陆续续把常考的知识点整理了一遍越整理越觉得这行看着门槛不高真往深了问全是细节。网上零散的帖子和课程不少但要么太浅要么太偏学术真正能拿来直接复习的“八股”反而不多。所以我自己开了一个长期维护的笔记把CV领域的高频考点、易混淆概念、经典模型参数和面试答题套路都收进来持续更新。这份东西定位很明确给正在准备计算机视觉相关岗位面试的人或者刚入门想建立完整知识体系的同学。不是教程不教你怎么从零搭环境也不会逐行讲源码而是把面试官最爱问、最容易答不上来的那些“知识点快问快答”做成一份可背诵、可查阅的速查手册。我自己定了一条主线从图像处理基础出发到卷积神经网络原理再到目标检测、分割、关键点等核心任务最后落到训练调参和工程部署确保每个环节都有“能直接说出口的答案”。这篇文章也是基于那份自用笔记整理出来的公开版把我觉得最核心、最容易被问住的部分分享出来权当是给同样在准备的人省点时间。内容会持续扩充后续遇到新的好题、踩到新的坑我都会补进来。1. 整体思路与复习框架1.1 为什么我会单独整理一份CV八股很多人复习CV喜欢直接刷论文或者拿一本《计算机视觉算法与应用》从头啃。我试过效果并不好。论文太多光检测方向就有Faster R-CNN、YOLO系列、DETR系列每一篇都有大量公式和实验细节如果只准备面试这些内容其实有很大一部分是冗余的。课本则更偏体系化适合打基础但不适合临阵磨枪。所以我换了个思路把面试中反复出现的知识点按“是什么、为什么、怎么用、有什么坑”四个维度压缩成卡片式笔记。比如面试官问“为什么ResNet要引入残差连接”标准答案是解决退化问题但更深入一层他其实还想听你解释梯度传播路径、恒等映射的作用以及在极端深网络里的表现差异。这些内容用卡片记下来复习效率会高很多。自用笔记的另一个好处是可以随时记下自己面试时被追问的问题。我有几次面试结束后复盘发现自己答得不好的点其实都是平时没太注意的细节比如BatchNorm训练和推理时的行为差异、1x1卷积的作用、RoI Align为什么要用双线性插值。这些恰恰是八股里最容易考、也最容易丢分的地方。1.2 复习路径与知识树搭建计算机视觉的知识体系非常庞杂但面试涉及的核心范围其实相对固定。我按复习优先级画了一棵知识树主干分六条图像处理基础、深度学习基础、卷积神经网络架构、经典视觉任务、训练优化技巧、工程部署实战。每条主干再拆出小枝比如“经典视觉任务”下面就是分类、检测、分割、关键点、跟踪、OCR等。为什么要这样拆因为面试问法通常有两种一种是从任务出发问“你怎么做目标检测”这时候你得从两阶段讲到单阶段从Anchor-Based讲到Anchor-Free另一种是从技术点出发问“你怎么理解感受野”这时候你得能快速定位它属于CNN架构这个主干并关联到空洞卷积、特征金字塔这些子话题。知识树的好处是能在脑子里形成一张索引图被问到任何一个概念都能沿着路径展开相关细节。我自己会定期对着这棵树做“默写测试”不看笔记凭记忆把一个主题下的所有要点复述出来复述不出来的地方就是薄弱环节再回去翻笔记强化。这个方法比单纯看笔记有效很多。1.3 构建速查卡片的小技巧整理自用笔记时我踩过不少坑。一开始是见到什么记什么结果笔记越来越长复习时根本翻不过来。后来我给自己定了几条规则每张卡片只记录一个知识点字数控制在300字以内尽量用条目和短句代替大段描述。把容易混淆的内容放在一起对比比如“池化”和“卷积步长为2”的下采样区别、FCN和U-Net的结构差异。另外每条卡片都要有一个“面试延伸”区域写上面试官可能追问的方向和参考回答这些内容往往才是拉开差距的地方。比如“Dropout”这张卡片核心内容只有一条训练时按概率随机失活神经元推理时不失活但要乘保留概率。但面试延伸就可以写为什么推理时要乘p、Dropout和DropBlock的区别、在卷积层后使用Dropout效果为什么不好、有没有替代方案。把这些细节都补齐才算是一张合格的八股卡片。2. 图像处理与OpenCV底层基础2.1 图像在计算机里到底怎么存的面试里关于图像基础的问题看起来简单但翻车的概率很高。比如“一张RGB图像在内存里是怎么排列的”很多人会脱口而出是“长宽通道”但在实际工程里OpenCV默认的存储格式是HWC即高、宽、通道而且通道顺序是BGR而不是RGB。PyTorch训练时用的又是CHW这就在做预处理时非常容易出bug。我遇到过最经典的坑是用OpenCV读图后直接喂给PyTorch模型结果颜色完全不对劲。原因就是OpenCV输出的是BGR而模型预训练时用的是RGB没有做通道转换导致的。这种问题在面试里不一定会直接考但在手撕预处理代码的环节很容易暴露出来。另外图像的位深也经常被忽略。8位图像每个通道取值范围是0到255但在很多深度学习框架里数据会先归一化到0到1再按均值和方差做标准化。如果忘记了这层转换直接用读取的像素值喂给模型数值范围不对推理效果就会很差。面试官经常会问“你平时怎么处理图像输入”本质上想看的就是你有没有建立起这个完整的pipeline意识。2.2 颜色空间与通道顺序的坑颜色空间转换在CV里算是基础中的基础但越是基础越容易在面试中暴露理解深度。常见的有RGB、BGR、HSV、LAB、YUV每种空间都有它适用的场景。面试中常问的问题是“为什么要做颜色空间转换”你得能从两个角度回答一是某些算法在特定颜色空间下更鲁棒比如基于颜色的分割在HSV下比在RGB下更稳定二是某些任务需要把亮度和颜色分离处理比如YUV在视频编码里的应用。至于通道顺序我觉得可以从一个具体案例去理解。假设你有一张图片OpenCV读进来是BGR用matplotlib显示时它期望的是RGB如果你直接把BGR数据丢给matplotlib图片的红色和蓝色就会互换。这类问题在面试手撕代码时特别容易考到你写完之后面试官可能会追问一句“为什么要用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)”这时候如果答不出本质就会显得知识不够扎实。还有一个容易被忽略的点是归一化。很多经典模型在训练时使用ImageNet的均值和标准差比如mean[0.485, 0.456, 0.406]std[0.229, 0.224, 0.225]推理时也要用同样的参数做标准化。有人会问为什么是这三个数其实这是从ImageNet数据集上统计出来的它与具体任务没有直接关系但在迁移学习场景下沿用预训练模型的归一化参数会更容易复现原模型的性能。2.3 图像滤波、边缘检测的原理和参数滤波和边缘检测是最常考的图像处理基础。高斯滤波的原理是拿一个符合高斯分布的卷积核和图像做卷积用来平滑图像、抑制噪声。面试官经常追问“高斯核的尺寸和标准差σ怎么选”这个问题没有标准答案但你需要明白两者之间的关系σ越大图像越模糊保留的细节越少核尺寸一般取3σ左右的奇数太小会截断高斯分布的权重太大会增加计算量。边缘检测则是高频考点中的高频。Sobel算子通过计算图像在x和y方向上的梯度近似值来检测边缘它用了一个3x3的卷积核区分了中心像素的权重。Canny检测更复杂一些流程是高斯滤波去噪计算梯度幅值和方向非极大值抑制双阈值检测和边缘连接。面试官问Canny时通常希望你能完整说清楚这五个步骤并且解释每一步的作用。我在自己的笔记里做了一个Canny步骤表把每一步的输入输出和常见参数都列出来这样复习时就不用再翻原论文。高斯滤波的核大小一般是5x5双阈值的高阈值和低阈值比例一般在2:1到3:1之间这些参数不会精确考但你说得出来会显得有实战经验。2.4 图像增强与归一化为什么重要图像增强在传统CV里是一大类技术包括直方图均衡化、Gamma变换、锐化等。它的核心目的是改善图像的视觉效果或者让后续算法更容易处理。比如直方图均衡化通过重新映射灰度值让图像的直方图分布更均匀从而提高对比度在低对比度的图像上效果特别明显。在深度学习时代图像归一化的重要性甚至更高了。除了前面提到的均值和方差标准化还有BatchNorm和LayerNorm这类网络内部的归一化方法。不过这两者解决的问题不一样数据归一化解决的是输入特征尺度不一致的问题而BatchNorm解决的是训练过程中内部协变量偏移和梯度消失的问题。面试时如果聊到数据增强最好能结合具体任务说几个有效的策略。比如分类任务常用的随机裁剪、随机翻转、颜色抖动、CutOut检测任务常用的Mosaic、MixUp、CopyPaste。关键是解释为什么这些策略有效——本质上是让模型见过更多样化的数据分布增强泛化能力同时也是一种隐式的正则化。3. 卷积神经网络与特征提取3.1 卷积运算的本质与参数量计算卷积是CV的核心但很多人对卷积的理解停留在“提取特征”这个层面。面试官如果让你手算一个卷积层的参数量你算不对就会非常尴尬。其实计算规则很简单对于一个输入通道数为C_in、输出通道数为C_out、卷积核大小为K x K的卷积层如果不加偏置参数量就是C_in * C_out * K * K如果有偏置再加上C_out。如果还使用了分组卷积那么参数量要除以分组数G。我举个例子输入是3通道224x224的RGB图像第一层卷积是64个3x3的卷积核那么这一层的参数量是3643*31728再加上64个偏置就是1792。这点参数量相比后面动辄几十万的层来说很小但计算量却不小因为每个卷积核要在空间位置上滑动计算。关于计算量的估算可以用FLOPs来衡量。一次卷积的乘法次数大约是C_in * K * K * H_out * W_out * C_out这里面H_out和W_out是输出特征图的尺寸。理解了这些计算规则你才能更好地理解为什么深度可分离卷积能大幅减少计算量为什么1x1卷积可以用来改变通道数为什么MobileNet能在移动端跑得动。3.2 感受野、空洞卷积与特征金字塔感受野这个概念几乎每次面试都会碰到。通俗地讲感受野就是输出特征图上的一个像素对应到输入图像上的区域大小。对于连续卷积层感受野会逐层增大但增大的速度取决于卷积核尺寸、步长、空洞率和池化层。我在复习时喜欢用一个小例子来加深理解一个3x3卷积后面再接一个3x3卷积第二个卷积输出的每个像素在输入上对应的感受野是多少答案是5x5。计算公式很简单当前层感受野等于上一层感受野加上当前卷积核尺寸减1乘以上面所有层的步长乘积。如果你能把这种计算过程在纸上推演一遍感受野这块基本就稳了。空洞卷积是在卷积核元素之间插入空洞用来在不增加参数量的情况下扩大感受野。它被广泛应用在分割和检测任务里比如DeepLab系列就大量使用了不同空洞率的空洞卷积。面试时经常会问“空洞卷积有什么缺点”这个问题比较刁钻但答案是存在网格效应即空洞率过大时卷积核覆盖的区域之间存在间隙导致部分信息丢失。特征金字塔解决的则是多尺度目标的问题。在FPN出现之前很多检测模型只在最后一层特征图上做预测小目标很容易漏检。FPN通过自顶向下的路径和横向连接把深层语义信息与浅层空间信息融合让每一层特征图都同时具备较强的语义和空间分辨率。这个思想后来也被很多模型继承比如PANet、BiFPN在面试中聊到检测模型时基本是绕不开的。3.3 激活函数、BatchNorm与训练稳定性激活函数是神经网络非线性的来源。面试常考的有ReLU、Leaky ReLU、ELU、GELU、Swish等重点在于理解每个函数的优缺点。ReLU简单高效但存在Dead ReLU问题即负区间梯度为0神经元一旦在负数区域就可能永远不被激活。Leaky ReLU给了负区间一个小的斜率缓解了这个问题ELU则引入了指数运算在负区间更平滑GELU和Swish在Transformer中更常见是近年来的主流。BatchNorm的理解必须到位因为面试官极其爱问训练和推理时的差异。训练时BatchNorm对每个batch计算均值和方差并用它们归一化当前batch的数据同时维护一个全局的滑动平均均值和方差。推理时batch内数据可能只有一张图如果还在用当前batch的统计量结果会非常不稳定所以推理时必须使用训练阶段维护的全局统计量。还有一个常见的坑是BatchNorm对batch size的依赖。如果你的显存只允许batch size为2甚至为1BatchNorm的效果会变得非常差因为统计量估计不准。这种情况下可以考虑使用GroupNorm或LayerNorm替代。面试里如果聊到大规模训练或者分布式训练BatchNorm的同步问题也是高频话题比如同步BN为什么要做梯度同步。3.4 正则化与数据增强的实战心得正则化部分L1、L2、Dropout、Early Stopping、Label Smoothing这些都是常规考点。L1正则化会让权重变得稀疏因为它产生的梯度是常数小权重会被推向0L2正则化则是让权重整体变小但对接近0的权重惩罚很小所以不会产生稀疏解。这个区别用一张图解释最清晰我笔记里画过坐标轴上的约束范围L1的菱形约束更容易在坐标轴上达到最优解因此产生稀疏性。Dropout的心得前面提到过一些这里再补充一点Dropout在卷积层后效果不好的原因是卷积层的参数共享特性让相邻位置的元素高度相关随机失活单个像素对打破共适应性的作用有限。所以很多CV模型会在全连接层之后才使用Dropout或者干脆使用Spatial Dropout按通道整体失活。数据增强我就不展开说具体代码了但强调一个原则增强策略要和任务匹配。分类任务里的随机翻转和裁剪是安全的但对OCR任务来说翻转会改变字符语义不能随便用。对目标检测而言简单的水平翻转也需要同步调整标注框坐标。这些细节如果不注意增强反而会给模型引入噪声。4. 经典CV模型与核心任务4.1 图像分类模型演进路线图像分类是CV最基础的任务模型演进也是一条清晰的历史线。从AlexNet的横空出世到VGG用堆叠小卷积核证明深度的作用再到GoogLeNet提出Inception结构、用1x1卷积控制计算量然后是ResNet的残差连接解决了超深网络的训练难题。面试官问这条路线其实想考察你对模型设计动机的理解而不是让你背名字。VGG有一个思想值得单独记住两个3x3卷积的感受野等同于一个5x5卷积三个3x3卷积等同于一个7x7卷积但参数量更少、非线性更强。ResNet的核心则一句话就能讲清楚残差结构让网络在极端深度下依然可以稳定优化因为它为梯度提供了一条从输出直接传到输入的捷径。后来的DenseNet用密集连接进一步强化了特征复用EfficientNet则通过神经架构搜索找到了一组复合缩放系数把网络深度、宽度和输入分辨率同时缩放。面试如果问“你怎么设计一个轻量级分类网络”可以从MobileNet的深度可分离卷积、ShuffleNet的通道混洗这些方向去答。4.2 目标检测从两阶段到单阶段目标检测是我面试准备中投入最多的方向也是考题密度最大的方向。两阶段检测器的代表是Faster R-CNN它先通过RPN生成候选区域再做二次分类和回归。面试官喜欢追着RPN细节问锚点是什么、IOU阈值怎么设、正负样本怎么定义、NMS怎么用。单阶段检测器的代表是YOLO系列和SSD。YOLO的核心思想是把检测当成回归问题一次前向直接输出边界框和类别概率速度远超两阶段方法。但早期的YOLO对密集小目标效果不好因为它们没有区域提名机制而是直接在均匀划分的网格上预测。后来YOLOv3引入了多尺度预测YOLOv4和YOLOv5则把数据增强、CSP结构、PANet等技巧整合进去速度和精度达到了很好的平衡。面试时如果问到Anchor-Free的方法可以从CenterNet和FCOS切入。它们的核心是不需要预设锚点框而是直接预测目标的中心点或关键点再回归边界框尺寸。优点是不需要聚类调锚点、正负样本更简单缺点是某些场景下训练不稳定需要专门的loss设计。4.3 实例分割与语义分割分割任务分成三类语义分割、实例分割和全景分割。语义分割是对每个像素预测类别不区分同一类别的不同个体实例分割需要区分个体同时做像素级掩码预测全景分割则是两者的结合既分割stuff类别也分割thing类别。语义分割的经典工作有FCN、U-Net、DeepLab系列。FCN是第一个端到端的像素级分割网络用卷积层替换全连接层配合反卷积进行上采样。U-Net的编码器-解码器结构和跳跃连接特别适合医学图像等小数据集场景因为它能把浅层的空间细节和高层的语义信息结合起来。DeepLab系列的空洞卷积和ASPP模块则解决了多尺度感受野的融合问题。实例分割的主流方案是Mask R-CNN它在Faster R-CNN的基础上增加了一条分割分支。这里有一个高频考点Mask R-CNN为什么要用RoI Align而不是RoI Pooling答案是RoI Pooling在两次量化过程中会产生像素偏移而分割任务对空间位置极其敏感RoI Align用双线性插值避免了量化保留了更精确的空间对应关系。4.4 关键点检测与姿态估计关键点检测常见于人脸关键点和人体姿态估计场景。单人姿态估计的代表是Hourglass网络它的对称编解码结构可以融合多尺度信息。多人姿态估计有两条技术路线自顶向下和自底向上。自顶向下是先检测人再对每个人做关键点检测精度高但速度慢自底向上是先检测所有关键点再做分组关联速度更快但关键点匹配精度相对较低。面试中比较容易考到的是热图回归方法。大多数关键点模型不是直接回归坐标而是对每个关键点生成一张高斯热图用网络预测热图再通过argmax取出峰值位置作为关键点坐标。为什么用热图而不是直接回归坐标因为坐标回归是一个高度非线性的映射对遮挡和模糊非常敏感热图保留了空间分布信息学习起来更容易收敛也更便于做多尺度监督。关于关键点部分还有一个容易被忽略的点是数据增强时坐标同步。翻转图像的标注不能直接沿用原图坐标需要做水平翻转换算随机旋转和缩放同样要对关键点坐标做相应的几何变换。我在面试中经常被问到“你处理关键点数据时踩过什么坑”这个就是一个非常真实的回答。5. 训练调参与工程落地要点5.1 数据准备阶段最容易翻车的点数据是整个项目的基石但很多人只在网络结构上下功夫忽略了数据的处理细节。我在实际工作中踩过最深的坑是数据泄露先把所有图片做了归一化再划分训练集和测试集导致测试集的统计信息被模型间接看到模型评估结果虚高。正确做法是先划分数据集再分别做预处理所有统计参数只能从训练集计算。另一个翻车点是标签不平衡。以目标检测为例如果一张图里背景区域占了绝大多数模型很容易把输出全部预测为背景分类精度虚高但实际检测能力很差。之后我养成了两个习惯每次训练前都抽样可视化一批训练数据的标注确认标签和图像对齐另外固定随机种子保证实验可以复现。不要小看固定随机种子这件事我遇到过几次“模型昨天训出来效果很好今天跑同一份代码效果崩了”的情况最后排查下来都是随机种子没固定或者数据增强引入了额外随机性。还有一个容易被忽视的坑是图片格式不一致。有的图片是BGR有的带Alpha通道有的是16位位深有的方向不对带EXIF旋转信息。如果统一在数据读取阶段做一个格式校验和转换后面会省很多debug时间。简单说数据管线的每一环节都要有检查手段不能一股脑读取就开训。5.2 损失函数设计与样本不均衡处理损失函数的选择直接影响模型收敛的方向。分类任务常用交叉熵损失但当类别不均衡时交叉熵会让模型偏向多数类。这时候可以用Focal Loss它的核心是给易分类样本更低的权重让模型聚焦在难分类的样本上。Focal Loss最早是RetinaNet提出来的在密集目标检测中效果非常明显公式就是标准交叉熵乘上一个调制因子(1-p_t)^γ。回归任务最常用的是L1和L2损失但两者各有问题。L2 Loss对离群点非常敏感一个极端的异常值会把梯度拉得很大导致训练不稳定L1 Loss在零点不可导收敛到最后阶段会有震荡。Smooth L1算是一个折中在误差较小时使用平方损失误差较大时切换到线性损失兼顾了稳定性和收敛速度。Faster R-CNN里的边框回归用的就是Smooth L1。样本不均衡如果发生在目标检测里还会体现为前景背景不均衡。SSD等单阶段检测器会生成大量默认框其中大部分是背景如果不做采样训练会被背景框主导。常见的做法有OHEM在线难例挖掘、硬负样本挖掘以及Focal Loss。回答这类问题时最好能结合实际项目说清楚你用的是哪种策略以及它的收益和代价。5.3 模型加速、量化与部署细节面试里如果涉及部署考察点通常很实际你怎么把模型变快、怎么减小模型体积、怎么在边缘设备上跑起来。先说加速最常用的是结构优化和算子融合比如把卷积和BN层融合成单层因为BN的均值和方差在推理时是固定的可以折进卷积层权重里。这个操作能让推理速度提升不少而且完全不影响精度。量化是另一个部署热门话题。把FP32权重压缩成INT8模型体积缩小到原来的四分之一推理速度也能大幅提升代价是可能有少量精度损失。但量化并不是直接把所有层的权重截断就行通常需要做校准收集一部分真实数据来统计激活值的分布确定合适的缩放因子。面试中考到的话把量化流程说清楚就已经能拿大部分分了。模型剪枝、蒸馏也是部署团队常用的手段。剪枝是去掉不重要的通道或连接蒸馏是让大模型教小模型两者可以组合使用。我在项目中一般优先用蒸馏配合量化因为裁剪对结构改动大容易把精度压垮蒸馏和量化则更可控。5.4 常见异常排查速查表训练和部署过程中经常会遇到各种“看似玄学”的问题我把它们整理成了一张速查表面试里聊到实战经验时可以直接用异常现象可能原因排查思路与解决方向Loss不下降或直接变成NaN学习率过大、梯度爆炸、标签里有脏数据降低学习率、添加梯度裁剪、检查数据标签训练集准确率很高但验证集很低过拟合增强正则化、降低模型容量、加Dropout、更多数据增强训练和推理精度差距大BN层行为不一致、预处理不一致确认推理使用全局统计量、检查归一化和通道顺序检测框位置偏移数据增强未同步标注框、输入分辨率不一致可视化增强后的图像和标注检查坐标变换模型在GPU和CPU上结果不一致浮点数累积误差、算子实现差异设置相同推理模式、固定输入尺寸、使用同一推理引擎这张表的每一行都是我实际踩过坑后总结出来的。面试时聊到工程部分你不一定要把每个问题都说得非常细但能用自己的项目经历去匹配其中一两行会比单纯背概念有说服力得多。6. 面试高频问题的答题思路6.1 被问到“为什么选这个模型”怎么回答面试中经常会有开放式问题比如“让你做一个车牌识别任务你会怎么选模型”。很多人的回答是直接抛出一个模型名字然后开始讲网络结构。其实面试官想听的远不止这些他想看的是你的思考链路任务定义是什么输入是什么形态输出是什么对速度和精度的要求如何数据规模有多少部署环境能不能支撑大模型。完整的回答应该是一条链路。先分析任务车牌识别可以拆成车牌检测和字符识别两个子任务。检测环节如果部署在嵌入式设备上可以用轻量化的YOLOX-S或者NanoDet如果GPU资源充足可以考虑RT-DETR这类精度更高的模型。字符识别环节可以用轻量级CNNLSTMCTC的网络结构也可以直接上端到端的识别模型。分析完再给结论面试官会认为你有真实的项目判断力而不是只会背模型。我在笔记里给这类问题单独列了一个“回答五步法”的模板任务拆解、输入输出定义、模型选型理由、训练数据方案、性能评估标准。按这个框架作答基本不会偏题。6.2 手撕代码与算法题的准备方向CV方向的面试手撕代码一般分两类一类是深度学习模型的推理实现比如手写卷积操作、手写NMS、手写RoI Align的双线性插值另一类是纯算法题比如最大矩形、接雨水、最长递增子序列这类LeetCode原题。我的经验是第一类更容易被忽略但考的概率并不低。NMS几乎是目标检测岗位必考的代码题它考的不只是你会不会调第三方库而是能不能用Python或C自己实现完整逻辑排序、计算IOU、循环抑制。我建议至少把NMS的自写实现练到能默写的程度同时能顺带回答IOU的计算公式和为什么NMS要按得分降序处理。手撕代码的通用套路口诀是先确认边界条件再写主逻辑最后手动跑一个测试用例验证。比如写卷积操作输入尺寸、padding、stride、输出尺寸必须先算清楚否则往往写到一半就乱了。平时训练时多用纸笔走查面试时的熟练度会高很多。6.3 面试中如何用项目经历佐证理论八股背得再熟如果没法把理论和自己的项目经历结合起来分数也不会太高。我自己的经验是准备面试时把简历里每个项目都提炼出“技术挑战、实现方案、踩坑记录、最终收益”四段式描述每个项目都要能对应到两三个八股知识点上。比如你在一个工业质检项目里用了YOLOv8做缺陷检测面试时必须能答上来为什么用YOLOv8而不是更快的模型缺陷样本太少时你怎么做数据增强有没有用过Focal Loss训练时卡在多少mAP最后用什么手段提上去的。这些问题看似随机其实全部指向模型结构、损失函数、数据策略和评估指标这些基础理论。我一直觉得项目经历是最能考察一个人真实水平的部分。能把项目里的每个技术决策讲清楚原因比背一百道八股题都有用。所以我不建议只刷题不看项目而应该以项目为主线把相关知识点的八股内容穿插进去复习。结尾一点自用笔记的体会整理这份CV八股的过程对我自己的帮助远超预期。最明显的感受是以前很多知识点是“用过但说不清楚”整理成卡片之后被问到的时候能马上组织出有层次的回答。尤其是像BN推理和训练差异、RoI Align为什么替代RoI Pooling这类细节背下来不算本事能结合自己的实验体会讲出来才算真正掌握了。如果你也在准备CV方向的面试我建议不要直接抄别人的八股而是拿这份清单做索引自己亲手把答案写一遍。写的过程会逼你去查资料、去对比、去思考这个过程本身就是最好的复习。后面我会继续在自用笔记里补充新的高频问题和工程踩坑记录遇到值得分享的内容也会再更新出来。
