计算机视觉方向的校招笔试向来是几家欢喜几家愁。理论覆盖面广、题型灵活、还要手推公式和写代码光是从哪儿开始复习就能劝退不少人。2018年迅雷校园招聘的计算机视觉在线笔试B卷就是我当时踩过的一份很有代表性的卷子。虽然年份早了一些但它的考点分布和出题思路放到今天依然有很强的参考价值——传统图像处理、机器学习基础、深度学习原理、目标检测主流框架、还有编程和开放性设计题几乎把CV岗位笔试的常规套路都过了一遍。这篇文章不打算逐题重现而是把这类笔试背后真正想考察的东西拆开讲讲我当时是怎么分析题目、怎么组织作答思路的希望对正在准备CV岗校招的同学有实际帮助。1. 为什么要从岗位JD倒推笔试考点一份试卷背后的筛选逻辑1.1 笔试不是考记忆而是考能不能干活很多人拿到CV岗笔试题第一反应是这考得也太杂了选择、填空、简答、编程全都有。但如果你反过来想——出题人想要什么样的人就会明白为什么是这种结构。迅雷当年的业务方向集中在下载加速、流媒体、CDN调度、视频内容理解这些场景对计算机视觉人才的需求一是做视频封面智能提取、图像质量评估二是做内容审核、场景识别这类偏工程落地的算法。这就决定了笔试不可能只考深度学习那点东西。边缘检测、直方图均衡化这类传统算法在视频帧处理里就是经常用的工具支持向量机、随机森林这类传统机器学习在样本量小、需要快速上线的场景下依然能打。所以试卷的第一部分往往就是这些基础知识的密集考察用来快速过滤掉只会调包的候选人。我个人的建议是拿到任何一份CV岗笔试题先别急着做题花五分钟浏览全卷把所有题目按传统图像处理、机器学习、深度学习、目标检测与应用、编程与开放设计分个类。这个动作本身就是在模拟入职之后的工作方式——拿到一个需求先拆解而不是上来就写代码。1.2 出题结构里的性价比信号从我做过的多份大厂CV笔试题来看虽然具体题目年年变但结构有很强的趋同性题目类型典型占比实际考察目的基础概念选择/填空30%是否系统学过计算机视觉而不只是会跑开源模型公式推导与简答25%是否理解算法背后的原理能否说清楚为什么有效代码/伪代码实现25%是否具备将算法落地的工程能力开放设计题20%是否具备系统级思考面对模糊需求能否给出合理方案这份B卷也基本沿用了这个结构。理解了这个筛选逻辑你就能合理安排答题时间基础概念题速度快但分值不低更重要的是它们通常决定了你能否进入下一轮。我见过有人把大量时间耗在最后的开放题上结果前面的选择题因为手抖错了好几道非常可惜。1.3 2018年这个时间节点发生了什么回顾一下2018年的技术背景会让这份笔试更有时代坐标的意义。那时ResNet已经普及DenseNet、MobileNet也已经在移动端有落地目标检测领域Faster R-CNN是两阶段方法的标配YOLO已经出到v3SSD也在工程中大量使用GAN在图像生成方向非常火热人脸生成、图像风格迁移是CV圈的热门话题迁移学习、细粒度分类、视频理解也成为笔试简答题的高频词。但有意思的是当年的笔试并不像一些人想象的那样唯深度学习论。传统方法依然占了相当比重。这个现象背后有非常现实的原因深度模型需要数据和算力而真实业务里经常遇到只有几百张样本的场景这时候传统的HOG特征、颜色直方图、模板匹配反而更可靠。作为应试者如果你能意识到这一点在简答题里主动把传统方法深度方法结合起来分析问题往往会比纯粹吹嘘深度模型得分更高。2. 数字图像处理与机器学习基础选择填空里的送分题和陷阱题2.1 直方图均衡化的考点不只是公式直方图均衡化是CV笔试选择题和简答题的常客。大部分同学背得出公式也知道它能增强对比度但题目换个问法就懵了。比如当年的卷子里有一道题问你直方图均衡化后图像的直方图是否一定完全均匀分布这就是典型的陷阱题。答案是不一定。因为直方图是离散的均衡化把像素灰度级重新映射但由于灰度级数量有限多个原始灰度可能映射到同一个新灰度上所以最终直方图只能是近似均匀而非严格均匀。这个细节在课堂讲义里不一定会强调但在工程上很重要——比如你在低照度视频上做增强如果强行做严格均衡化反而会出现噪声放大的问题。做题的经验是看到概念题先问自己三个问题——这个算法的目标是什么输入输出是什么在实际使用中有哪些边界情况如果你能对每个基础算法回答这三个问题选择填空基本不会丢分。2.2 边缘检测从Sobel到Canny的追问逻辑边缘检测是CV笔试的另一个高频板块。B卷里有一道简答题要求对比Sobel算子和Canny算子的异同。这道题如果你只写Sobel简单、Canny更强那基本拿不到分数。出题人真正想看的是你是否知道Canny为什么强。Canny边缘检测的核心贡献在于它把边缘检测分解成了多个步骤——高斯滤波去噪、计算梯度幅值和方向、非极大值抑制NMS、双阈值检测与滞后连接。每一步解决一个具体问题滤波解决噪声导致的假边缘NMS让边缘变细双阈值解决断裂和噪声的取舍。而Sobel本质上只是一个带权重的梯度算子输出的是梯度图还需要人为设阈值才能得到二值边缘。我当时的作答思路是画了一张对比表从是否有平滑步骤、是否做非极大值抑制、边缘定位精度、计算开销四个维度展开。这样阅卷人一眼就能看出你是真的理解了两个算法的本质区别而不是死记硬背。2.3 特征描述子SIFT为什么能应对尺度变化如果选择题里出现SIFT或者HOG不要只看名字。2018年的B卷里就有一道题问为什么SIFT对图像缩放具有不变性。核心答案在于DoG差分高斯金字塔和尺度空间。SIFT会生成多个尺度的图像金字塔在不同尺度上检测极值点所以物体变大变小总能在某个尺度上被检测到。这是一个用计算量换鲁棒性的典型设计。笔试里遇到这类题最好能顺手写出尺度空间的概念——即通过高斯核参数控制图像模糊程度模拟人眼从近到远的观察过程。这里有一个容易被忽略的考点SIFT和HOG的区别。两者都是局部特征但SIFT是稀疏的、在关键点周围计算描述子适合做图像配准和物体识别HOG是密集的、在全图分块上统计梯度方向直方图最早用于行人检测。你会发现HOG在深度学习之前几乎是行人检测的第一选择因为它对刚体轮廓的梯度特征刻画得很好而且计算量可控。2.4 传统机器学习SVM的核函数与样本不均衡B卷的选择题部分有一道关于支持向量机核函数的题目给你四个核函数选项——线性核、多项式核、高斯核RBF、sigmoid核问在大多数非线性分类任务中首选的核函数是什么。答案是高斯核因为它只有一个参数gamma且可以将特征映射到无穷维表达能力强计算复杂度相对可控。紧接着还有一道题问正负样本比例严重失衡时SVM的训练应该怎么调整。这个考的就是实际工程经验了。简单说有两种方案一是调整惩罚系数C给少数类样本更高的错误惩罚权重二是采用类别权重策略在损失函数中按类别比例加权。经典的深度学习中也会继承这个思路比如focal loss处理目标检测中的前景背景不均衡本质上也是给难分样本更大的权重。关于样本不均衡我在面试里还遇到过类似的追问如果你不调整任何参数SVM在正负样本1:100的数据上训练会发生什么答案是决策边界会被多数类带走因为多数类的总惩罚更大。这个直觉很重要它决定了你面对真实数据集时第一反应是什么。3. 深度学习与CNN细节简答题的得分区3.1 卷积计算、感受野与参数量的手感深度学习部分的简答题第一类必考是手推感受野与参数量。给你一个输入尺寸、几层卷积和池化让你算输出特征图尺寸和参数量。这道题不难但非常考验基本功。很多人记不住公式就只能靠死算一紧张就容易算错。感受野的计算有一个很简单的反向递推法从最后一层往前推每层的感受野 步长 ×后一层感受野 - 1 卷积核尺寸。我当时的记忆方法是把它类比成从输出端往回看输入图像上有多少个像素影响了这个输出值。至于参数量卷积层参数量 卷积核宽度 × 卷积核高度 × 输入通道数 × 输出通道数 输出通道数偏置项。全连接层参数量就是输入维度 × 输出维度 输出维度。笔试里常见的一个对比是为什么两层3×3卷积可以替代一层5×5卷积且参数量更少2层3×3卷积的感受野是5×5但参数量是2×3×318而5×5卷积参数量是25。这就是VGGNet结构的核心设计思路。3.2 Batch Normalization为什么有效BN几乎年年考B卷也不例外。题目通常是简述Batch Normalization的作用及其在训练和推理阶段的区别。训练阶段BN会对每个mini-batch内的数据计算均值和方差然后做归一化最后再通过可学习的缩放和偏移参数恢复表达能力。推理阶段mini-batch的统计量不再可用转而使用训练期间累积的全局均值和方差。这个细节很多人会忽略但恰恰是面试官喜欢追问的点。BN为什么有效主要有三个层面第一它缓解了内部协变量偏移让各层输入分布相对稳定可以使用更大的学习率第二它有轻微的正则化效果因为每个batch的均值方差有随机性相当于给网络引入了一点噪声第三它对梯度传播更友好避免了深层网络中的梯度消失或爆炸问题。我建议在作答时把这三层都写出来体现系统化思考。3.3 从梯度消失到ResNet与DenseNet的演进逻辑简答题里还有一类高频题型是为什么深层网络难以训练ResNet如何解决这个问题。如果你只回答ResNet加了残差连接那是远远不够的需要把因果链条讲清楚。深层网络难以训练的根源之一是梯度消失。反向传播时梯度要经过多个层累乘如果每层梯度都小于1乘到浅层就接近0浅层参数基本得不到有效更新。在ResNet出现之前人们发现加深到一定层数后训练误差反而变大这被称为退化问题。ResNet的残差结构改写了学习目标原先要学习一个恒等映射H(x)现在只需要学习残差F(x)H(x)-x当网络不知道该学什么的时候把残差学成0、走恒等映射是最容易的。这种结构让网络在加深时至少不会比浅层网络更差。DenseNet则更进一步把每一层和之前所有层建立密集连接本质上是在特征复用和梯度传播两个维度同时做优化参数效率更高但显存占用也随之增加。笔试里如果能从退化问题→恒等映射→残差结构→梯度传播改善这条逻辑链回答问题得分会明显高于只提ResNet的答案。3.4 目标函数与优化器交叉熵、Softmax和Adam机器学习基础欠扎实的同学往往会在Softmax 交叉熵怎么求梯度这道题上翻车。Softmax把logits映射成概率分布交叉熵衡量预测分布与真实分布的差异。两者的组合在反向传播时有一个非常漂亮的简化损失对logits的梯度就是预测概率减去真实one-hot标签。这个推导值得亲手算一遍因为很多面试官会现场追问。优化器部分B卷有一道选择题问Adam结合了哪些方法的优点。答案是Momentum和RMSProp。Momentum积累了历史梯度方向能加速收敛并抑制震荡RMSProp根据参数的历史梯度平方对每个参数使用不同的学习率适合处理稀疏梯度和不同尺度的参数。Adam把两者结合所以实践中几乎不需要手动调学习率。但Adam也并非全无缺点有些任务在后期fine-tune时SGD momentum反而比Adam更容易收敛到更优解。这个经验在后续项目里我反复验证过。4. 目标检测与图像分类实战多选题里的含金量4.1 两阶段与单阶段检测器的对比逻辑2018年的B卷在目标检测部分出了一道很有区分度的多选题考的是Faster R-CNN、SSD、YOLOv3各自的特点。A选项说Faster R-CNN精度高但速度慢B选项说SSD在不同特征层上做多尺度预测C选项说YOLOv3在三个尺度上做预测D选项说YOLO系列不需要RPN。前三个都是对的D选项也是对的——但如果你不了解YOLO的架构很容易在C和D之间犹豫。其实这道题背后的核心是对两类检测范式本质差异的理解。两阶段方法R-CNN系先通过区域提议网络生成候选框再进行分类和回归精度高但速度慢单阶段方法YOLO/SSD直接在特征图上回归类别和边框速度快但早期版本对小目标不友好。YOLOv3的改进亮点之一就是在三个不同尺度的特征图上分别做预测小尺度特征图保留更多空间细节、适合检测小目标大尺度特征图语义强、适合检测大目标。这种多尺度金字塔预测思路在后续的FPN等结构中被发扬光大。4.2 Anchor与IOU被反复考察的手感题Anchor机制是理解目标检测绕不开的坎。B卷简答题里有一道简述Anchor的概念并说明在训练Faster R-CNN时正负样本是如何划分的。Anchor本质上是预先定义的一组不同尺寸、不同长宽比的参考框。它们不依赖于输入内容而是通过滑窗方式在特征图每个位置铺开为网络提供在该位置可能存在什么形状的物体的先验。训练时判断一个Anchor是正样本还是负样本主要看它与真实标注框的IoU交并比。Faster R-CNN的策略是IoU大于0.7的为正样本小于0.3的为负样本介于两者之间不参与训练。这个阈值设计的背后是希望正样本框内确实有目标存在负样本框内完全没有目标从而让分类器在清晰边界上学到判别能力。如果你在作答时能主动补充一句RPN本身就是一个二分类网络判断Anchor是前景还是背景会让答案更完整。因为很多同学把RPN和最终的检测头混为一谈这在面试口述时是常见扣分点。4.3 非极大值抑制从原理到代码的完整链路NMS是目标检测里我最喜欢的一道题因为它能从原理问到代码再从代码追问到优化。B卷编程题第一道就是用Python实现NMS输入是若干候选框和置信度得分输出是抑制后的框列表。标准思路是先按置信度降序排序取最高分的框依次计算它跟其余框的IoU把IoU超过阈值的框过滤掉然后对剩余的框重复这个过程。如果只是这么写代码很简单。但想拿高分你还需要考虑两个工程细节。第一个细节是计算IoU时框的表示方式。常见的是[x1, y1, x2, y2]绝对坐标格式而如果框是[x, y, w, h]格式需要先转换。第二个细节是用向量化方式做IoU计算而不是用双重循环遍历所有框因为NMS在候选框数量极大时例如目标检测的post-processing阶段可能有几千个框双重循环非常慢。用numpy的 broadcasting 可以一次性计算所有框和当前最高分框的IoU。我当时在笔试里写的是经过简化的numpy实现把排序、mask过滤、循环三个步骤写清楚阅卷人一眼就能看出工程功底。4.4 分类网络的迁移学习开放题的热门背景开放设计题部分B卷有一道是给定一个只有5000张图片的二分类任务类别不均衡如何设计一个图像分类系统。这道题的题眼是小样本和不均衡。我的作答思路分三层展开。第一层是数据层面先做数据清洗再通过数据增强旋转、裁剪、颜色抖动、mixup等扩充样本量对少数类可以做过采样或合成样本。第二层是模型层面不建议从零训练而是用ImageNet预训练的ResNet做迁移学习冻住前几层只微调后面几层。迁移学习在这种小数据场景下通常能大幅提升泛化能力因为预训练模型已经学到了通用的边缘、纹理、形状特征。第三层是训练技巧层面使用类权重或者focal loss来缓解类别不均衡用early stopping防止过拟合评估指标不只看accuracy还要看precision、recall和AUC。这道题没有唯一答案但它考察的是你能不能像做真实项目一样结构化地思考问题。我在笔试里围绕数据→模型→训练→评估四个模块作答把思路分段写清楚既显得有条理也便于阅卷人快速抓重点。5. 编程题与开放设计题拉分关键不在会不会而在怎么答5.1 从手写IoU到图像卷积用代码思维解题编程题第一道NMS完成后第二道通常是图像滤波相关的手写实现。B卷里让我用Python实现一个3×3均值滤波输入是单通道灰度图输出滤波结果。这个题除了考察基础编程能力还隐含考察你是否理解边界处理。直接上手写双循环也能实现但要拿高分需要注意三件事一是边界像素的处理策略补零、镜像、裁剪二是用numpy的padding和向量化操作提高效率三是代码要写注释说明每一步的意图。我当时在处理边界时选择了原地复制边界像素的方式相当于Replicate padding因为这种方式在图像边缘不会引入突兀的黑色边框更适合自然图像。选题作答时如果能主动写清楚我选择某种padding策略的理由会比单纯的代码实现更有竞争力。5.2 设计一个自动生成视频封面的算法从模糊需求到系统方案开放设计题里有一道很有迅雷业务特色的题如何设计一个算法从长视频中自动选择最吸引人的视频封面帧。这题没有标准答案它考察的是你面对一个模糊业务需求时能否把它拆解成可执行的算法模块。我的回答分了四步。第一步是候选帧抽取均匀抽帧会漏掉精彩瞬间所以我在视频场景切分的基础上对每个镜头内的帧做运动幅度分析选择运动变化明显的候选帧。第二步是质量筛选筛掉模糊帧可以用Laplacian梯度判断清晰度、过暗或过曝帧看亮度直方图分布、以及画面过于杂乱的帧。第三步是内容显著性评估对候选帧做人脸检测优先选含人脸或大尺寸前景的帧因为这类帧对用户的点击吸引力更强如果没有显著语义目标就用图像美感评分比如用颜色和谐度、构图规则做打分。第四步是多样性重排选出的多张候选帧在颜色、构图上不要重复避免同时选到连续相似的帧最后用排序模型输出Top1封面。这里我想强调一个经验开放题答得好不好不在于你有没有见过类似题目而在于你是否建立了一套从业务目标到底层算法的思维框架。业务目标拆成子问题子问题对应到具体算法每个算法说出输入输出和适用场景——这套框架是所有开放题通用的。5.3 做题顺序与时间分配的真实建议以B卷为例我在答题时采用了先易后难、分轮次作答的策略。第一轮做选择和填空控制在20分钟内完成因为它覆盖广、答对就有分。第二轮做简答和推导每道题控制在10分钟左右写到要点就给分不要超时纠缠。第三轮做编程题留足40分钟因为代码题既看思路又看实现还需要时间调试。最后一轮做开放设计题30分钟重点是把框架写清楚而不是追求细节完美。如果你在某个选择题上卡了超过3分钟我的建议是果断标记后跳过。笔试时间分配的核心原则是分数最大化而不是每题完美。这个原则在真实的算法工程中同样适用——永远先用最小的成本拿到最大的收益再做细节打磨。6. 笔试之后这套卷子反映的能力模型和面试怎么衔接6.1 从笔试答案到面试追问笔试不仅仅是一次筛选它更像是一张能力地图。面试官拿到你的笔试卷子后最常做的事就是从你答得比较出彩的题目往下追问。比如你在开放设计题里写了用Laplacian算子判断图像清晰度面试官就可能追问Laplacian对噪声敏感如果视频帧有压缩噪声怎么办这时候你如果只回答了算梯度而没有考虑噪声就容易被追问出破绽。我后来复盘这个环节的心得是笔试中每写一个方案脑子里都要自动过一遍这个方案有什么缺点、有什么替代方案。如果当时时间不够想不出来面试前也一定要回头推演。很多人花大量时间刷各种偏题怪题却忽略了对笔试已答题目的复盘其实是很可惜的——笔试卷本身就为你划定了面试的追问范围把每一道题背后的扩展点准备充分比盲目多刷一份卷子更有价值。6.2 计算机视觉笔试复习的优先级建议如果让我给正在准备这类笔试的同学一个复习优先级我会说数学与图像处理基础排第一CNN结构与反向传播排第二检测/分类经典模型排第三工程实现能力排第四最后才是各种sota模型和论文细节。之所以把数学和图像处理放第一是因为这部分内容在笔试占比高且稳定而且面试官对基础不牢的容忍度极低。所谓的CNN结构、检测模型排名靠前是因为它们跨岗位通用度极高无论你面的是搜索、推荐、视频还是安防方向大概率都会遇到。工程实现能力往往被很多人忽视但它恰恰是笔试里区分度最高的环节同一个算法有人能写出向量化版本有人只能写三重循环这就是差距。而且说实话复习不需要追求读完全部经典论文。对于校招阶段来说吃透ResNet、Faster R-CNN、YOLO、SSD、GAN这几个主干模型加上足够的代码手感训练就已经能覆盖绝大多数笔试内容了。6.3 把笔试当成一次业务需求分析回顾整份B卷我发现一个贯穿始终的规律那些看似零散的知识点本质上都在测试你能否把一个问题从模糊到清晰、从理论到工程地落地。选择题问你基础概念是在看知识储备简答题问优缺点对比是在看分析能力编程题问实现是在看工程手段开放题给你一个业务场景是在看系统设计能力。这和进入公司之后做事情的逻辑完全一致。我自己在做这类题目时的一个习惯是把每道题当成一个小需求先想清楚这道题到底在问什么再动手写答案。很多丢分不是不会而是没理解问题就仓促作答。比如简述ResNet为什么有效和推导ResNet的残差结构如何改善梯度传播前者是简述题点到即可后者是推导题需要逐步展开。看清题目要求再答往往比多写几千字更能得分。如果你正在准备计算机视觉岗的校招笔试建议拿一份近几年的大厂真题先不看答案完整做一遍然后像我上面说的那样把每道题归类并在旁边标注它对应的知识模块。做完这一步你会发现自己的薄弱点立刻浮出水面。接下来一个模块一个模块地补比漫无目的地刷题效率高得多。祝顺利。