《计算机视觉》专题

HTTP构建于TCP/IP协议之上，默认端口号是80。 HTTP是 无连接无状态 的。 无连接的含义是 限制每次连接只处理一个请求。服务器处理完客户的请求，并收到客户的应答后，即断开连接。采用这种方式可以节省传输时间。后来使用了Keep-Alive技术。 无状态是指 协议对于事务处理没有记忆能力，服务器不知道客户端是什么状态。即我们给服务器发送 HTTP 请求之后，服务器根据请求，会给我们发送数据

地址分类 A类：8位网络号，0_ _ _ _ _ _ _，1.0.0.0 ~ 126.0.0.0 B类：16位网络号，10 _ _ ...，128.0.0.0 ~ 191.255.255.255 C类：24位网络号，110_ _ _...，192.0.0.0 ~ 223.255.255.255 D类：多播地址，1110_ _ _... E类：保留地址，1111_ _ _ ... 私有地址 A类:1

TCP概述 TCP的特点 TCP是面向连接的传输层协议。 TCP连接是点对点的（套接字—IP:Port到套接字）。 TCP提供可靠交付的服务。 TCP提供全双工通信。 面向字节流。 TCP与UDP的区别。 TCP UDP 是否连接 面向连接 面向非连接 传输可靠性 可靠 不可靠 应用场合 传输大量数据 少量数据 速度 慢 快 基本概念： 发送缓存和接受缓存：用来临时保存双向通信的数据。在发送时，应

不管外观如何不同，每个计算机都可以看成由六个单元(logical unit)或部分组成，即： 1．输入单元(iput unit)，这是计算机的“接收”部分，从各种输入设备接收信息(数据和计算机程序)，并将这些信息放到其他单元中，使信息得以处理。如今大多数信息都是通过键盘和鼠标设备输入计算机。将来大多数信息也许可以通过语音输入或扫描图形而获得。 2．输出单元(output unit)，这是计算机的“

9.1.1 计算机建模 利用计算机解决现实中的问题，首先需要在计算机中将问题表示出来，这个过程称为建模（modeling），即建立描述现实问题的一个模型（model）。打个比方，用照相机拍摄自然 景物就是建模，即得到自然景物在照相机中的表示（数字图像）。不过照相机“建模”追求 的是模型必须反映自然景物的每一个细节，最好是一模一样。而用计算机为现实问题建模， 追求的是模型必须抽象出问题的关键特征，至

5.3.2 计算机动画 顾名思义，动画就是运动的画面，计算机动画就是通过计算机编程来实现运动的画面。计算机动画在很多领域中都有应用，例如游戏开发、电影电视制作、教学演示等。计算机动 画并不神秘，只要掌握了静止图形的绘制方法，就很容易学会活动画面的制作。 现实世界中运动是连续的，而数字计算机只能处理离散量，因此计算机动画本质上只能 是对连续运动的近似和模拟。具体来说，动画是通过在屏幕上快速地交替显示

1.1.2 计算机语言 如前所述，计算机解决问题的过程实质上是机械地执行人们为它编制的指令序列的过程。为了告诉计算机应当执行什么指令，需要使用某种计算机语言。这种计算机语言能够精 确地描述计算过程，称为程序设计语言或编程语言（programming language）。 与计算机打交道的理想语言当然是像科幻电影所展示的那样，人类用自然语言与计算机（电影中更多的是机器人）进行对话。遗憾的是，由于自然

计算机系统由硬件(物理设备)系统和软件(程序、数据、文档)系统组成 硬件系统 冯诺依曼：计算机由运算器、控制器、存储器、输入设备、输出设备组成 CPU 组成 运算器：对内存读/写，数据加工处理，受控制器控制 ALU算术逻辑单元：处理数据，实现算术运算和逻辑运算 AC累加寄存器：为ALU提供运算工作区 DR数据缓冲寄存器：存放CPU、内存、外设之间交换的数据 PSW状态条件寄存器：保存算数/逻辑指令

问题内容： 我目前正在开发用于可靠手部检测的系统。 第一步是拍摄手的照片（在HSV颜色空间中），并将手放在一个小矩形中以确定皮肤颜色。然后，我应用阈值过滤器将所有非皮肤像素设置为黑色，并将所有皮肤像素设置为白色。 到目前为止，它运行良好，但是我想问一下是否有更好的方法来解决此问题？例如，我发现有几篇论文提到白人的具体色彩空间，但没有一篇对亚洲/非洲/高加索色调进行比较。 顺便说一句，我正在通过Py

问题内容： 作为一名实际的开发人员，我想为我的特定任务制定一个很好的算法，该算法是从诸如“边界提取”或“伽马校正”之类的块构建的，但是我不想实现这一点，因此那东西，所以我徘徊-是否有任何强大的CV库，例如C ++的OpenCV？ 说“最好”，是指具有以下属性的库： 实现了许多不同的算法 可扩展性-我可以在库方面创建新的东西 高性能 线程安全 问题答案： 萨满，我一直在寻找与Java中的opencv

题型：10 单选+10 多选+10 判断 由于只记得部分题目，所以题号可能对不上，见谅 1.lidar slam 点线匹配自由度（答案：3） 2.图像分辨率缩小一半，内参变化（答案：除了畸变系数，fx,fy,cx,cy 全部减半） 3. a=np.random.randn(3，3),b=np.random.randn(3,1) ,c=a*b,问 c 等于（答案：因为第一维相同，第二维度不同，且有一

更多面试题总结请看：【面试题】技术面试题汇总 OSI 参考模型 OSI 从上到下分为 7 层： 应用层：应用层协议定义的是应用进程间的通信和交互的规则，不同的网络应用需要不同的应用层协议 表示层：把数据转换为能与接收者的系统格式兼容并适合传输的格式 会话层：在数据传输中设置和维护电脑网络中两台电脑之间的通信连接 传输层：向两台主机进程之间的通信提供通用的数据传输服务 网络层：基于网络层地址（IP地

问项目 目标检测 对目前常用的目标检测算法有接触吗？比如Fast-RCNN，Yolo系列的，RetinaNet Yolo v1 和 v3的区别？ 先验框anchor的方式，anchor based和anchor-free，两种方法的区别 anchor-free的方式相对于anchor based有哪些优势 目标检测中一阶段和二阶段的检测算法有什么区别 为什么二阶段的比一阶段的精度高 深度学习训练

知乎链接 https://zhuanlan.zhihu.com/p/670347110 一面 11.12 50min 1.项目 2. Facal loss 3. Coding: (1) 连通块个数 (2) 实现NMS 二面 11.18 38min 详细聊了项目 15-20min 2. Focal loss 场景题: 给一堆图片数据，数量很多，但是里面一部分是噪声图片也就是标签是错误的，请问怎么训练

美团的IoT视觉组，主要是做基于监控数据的人物交互感知，技术栈基本也是检测、跟踪和人体关键点检测之类的 介绍之前的实习工作，多任务平衡怎么做的（数据和loss都调参），有没有学术上的解决方案（一般都会问这个） 自动驾驶的检测模型有没有根据一些corner case做一些针对性优化 密集行人场景存在遮挡有什么好的解决方案 这种遮挡情况下对跟踪的影响 神经网络的注意力机制 代码题：翻转二叉树 聊的整体