图像处理算法⼯程师——必备技能
图像算法⼯程师三重境界 ：
⼀、传统图像算法⼯程师：
主要涉及图形处理，包括形态学、图像质量、相机成像之3A算法、去雾处理、颜⾊空间转换、滤镜等，主要在安防公司或者机器视觉领域，包括缺陷检测；
⼆、现代图像算法⼯程师:
涉及模式识别，主要表现的经验为Adaboost、SVM的研究与应⽤，特征选取与提取，包括智能驾驶的研究与应⽤、⾏⼈检测、⼈脸识别；
三、⼈⼯智能时代图像算法⼯程师：
深度学习，主要在⼤型互联⽹公司或者研究所机构，具体体现在TensorFlow等开源库的研究与应⽤，包括机器⼈的研究、基于深度学习的⼈脸识别；
⾸先算法⼯程师包括：
⾳/视频算法⼯程师(通常统称为语⾳/视频/图形开发⼯程师)
图像处理算法⼯程师
计算机视觉算法⼯程师
通信基带算法⼯程师
信号算法⼯程师
射频/通信算法⼯程师
⾃然语⾔算法⼯程师
数据挖掘算法⼯程师
搜索算法⼯程师
控制算法⼯程师(云台算法⼯程师，飞控算法⼯程师，机器⼈控制算法)
导航算法⼯程师
其他【其他⼀切需要复杂算法的⾏业】
图像处理算法⼯程师
相关术语：
（1） OCR：OCR （Optical Character Recognition，光学字符识别）是指电⼦设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后⽤字符识别⽅法将形状翻译成计算机⽂字的过程
（2） Matlab：商业数学软件；
（3） CUDA： (Compute Unified Device Architecture)，是显卡⼚商NVIDIA推出的运算平台（由ISA和GPU构成）。 CUDA™是⼀种由NVIDIA推出的通⽤并⾏计算架构，该架构使GPU能够解决复杂的计算问题
（4） OpenCL: OpenCL是⼀个为异构平台编写程序的框架，此异构平台可由CPU，GPU或其他类型的处理器组成。
（5） OpenCV：开源计算机视觉库；OpenGL：开源图形库；Caffe：是⼀个清晰，可读性⾼，快速的深度学习框架。
（6） CNN：（深度学习）卷积神经⽹络（Convolutional Neural Network）CNN主要⽤来识别位移、缩放及其他形式扭曲不变性的⼆维图形。
（7） 开源库：指的是计算机⾏业中对所有⼈开发的代码库，所有⼈均可以使⽤并改进代码算法。
1必备技能总结
职位要求
编程技能：
1、 具有较强的编程能⼒和良好的编程习惯， 精通c/c++编程，并熟练使⽤VS 或matlab开发环境；
2、 在计算机技术领域拥有扎实的技术功底，尤其在数据结构、算法和代码、软件设计⽅⾯功⼒深厚；
对数据结构有⼀定的研究基础如链表、堆杖、树等，熟悉数据库编程；
3、 出⾊的算法分析能⼒，对某⼀特定算法可以做⼴泛的综述，有实际算法实现经验；
4、 熟悉⾯向对象编程思想，精于windows下的C/C++、VC++程序设计，熟悉MATLAB，对MFC有相
对的了解和应⽤经验；专业技能：
1、扎实的数学功底和分析技能，精通计算机视觉中的数学⽅法；
⾼等数学(微积分)、线性代数（矩阵论）、随机过程、概率论、
摄影⼏何、模型估计、数理统计、张量代数、数据挖掘、数值分析等；
2、具备模式识别、图像处理、机器视觉、信号处理和⼈⼯智能等基础知识；
对图像特征、机器学习有深刻认识与理解；
3、精通图像处理基本概念和常⽤算法包括图像预处理算法和⾼级处理算法；
常见的图像处理算法，包括增强、分割、复原、形态学处理等；
熟悉常见的模式识别算法，特别是基于图像的模式识别算法，掌握特征提取、特征统计和分类器设计；
4、熟练使⽤OpenCV、Matlab、Halcon中的⼀种或⼀种以上⼯具库；
5、熟悉机器视觉系统的硬体选型，包括CCD相机，镜头及光源；熟悉相机与镜头搭配；
外语：
1. 英⽂熟练，能够熟练阅读和理解专业英⽂资料，有英⽂⽂献检索和阅读能⼒；
2. 良好的英语沟通能⼒
综合能⼒：
1.对⼯作认真负责，积极主动，勤奋踏实；
2.做事严谨，注重细节，有耐⼼，能够在压⼒下独⽴⼯作；
3.学习钻研能⼒强，有较强的理解能⼒和逻辑思维能⼒和良好的创新意识；
4.良好的协调沟通能⼒和团队合作精神；
视觉算法经验：请提供实现的算法列表
⽬标识别、图像配准、三维测量、标定和重建、⼿势识别；
表⾯缺陷检测；尺⼨测量；特征识别；
图像去噪、滤波、融合算法
3A算法：如⾃动曝光、⾃动对焦、⾃动⽩平衡
岗位职责：
1、负责计算机视觉中的图像采集，处理⾯阵和线扫描相机的成像和控制 ；
2、针对特定的计算机视觉问题，设计⽬标识别与快速定位与检测算法的实现，并进⾏优化；
3、对彩⾊图像和灰度图像实现物体表⾯的污点划痕检测算法设计和实现；
4、处理三维物体表⾯数据获取和实现三维测量算法的实现；
5、处理点激光和线激光源的成像，散斑噪声滤波和轮廓检测；
6、负责算法与软件GUI开发⼯程师接⼝;
7、完成上级领导交办的其他的⼯作。
2⾯试题⼤全
1-图像基础知识：
1.常⽤的图像空间。
2.简述你熟悉的聚类算法并说明其优缺点。
3.请描述以下任⼀概念：SIFT/SURF LDA/PCA
4.请说出使⽤过的分类器和实现原理。
5. Random Forest的随机性表现在哪⾥。
6. Graph-cut的基本原理和应⽤。
7. GMM的基本原理和应⽤。
8.⽤具体算法举例说明监督学习和⾮监督学习的区别。
2-笔试
⼤概有：
1.表⽰图像的特征有哪些？
纹理，频率，梯度这种
2.写出canny边缘提取算法的原理
3.图像插值⽅法
4.⾃⼰设计⼀个OCR引擎
5.写出Kmeans程序，并在⼀个设计环境中怎样使⽤
6.中值滤波
7.static的作⽤
8.写⼀个c++宏
9.⼆分查找
整数翻转，如何处理越界问题
C++多态，静态联编和动态联编，虚函数表
模型融合如何做
提升树的思想，随机森林和提升树的区别
SVM推导，对偶性的作⽤，核函数有哪些，有什么区别python两个每⾏都是数字的⽂件合并，去重。
shell编程，编辑⽂件。
进程与线程的区别
卷积神经⽹络介绍
SVM的推导
⼤⽂件求交集，如何解决哈希之后⼩⽂件还是放不进内存堆排序代码
连续和最⼤问题，如何证明？
bp算法介绍，梯度弥散问题。
svm介绍，优缺点是什么，lr介绍，区别是什么
lr与线性回归的区别
如果要预测房价，⽤什么模型
如果要预测房价，并且知道⼀个房间的房型信息，如何构建模型
sigmoid 函数的应⽤有哪些，为什么？
列举⼗种常⽤的神经⽹络模型
语⾳识别模型有哪些
如何识别⼀个⼈在喝酒，需要⼏个模型
卷积神经⽹络中卷积如何实现，激活函数的意义，损失函数有哪些，初始化参数如何选择
⽤过哪些深度学习框架，TensorFlow中的ssion是什么，ssion和interactivession的区别如何实现卷积层权值共享
如何保存模型，读取已有的模型
⽤过哪些深度学习模型，区别是什么。
了解哪些寻优算法
softmax损失函数作⽤是
c++ 的 const，static作⽤
强制类型转换cast之间的区别
svm推导，核函数的体现，常⽤的核函数有哪些
alexnet介绍
过拟合的原因，有哪些避免过拟合的trick
1G的⽂本统计词频，输出频率最⾼的1000个词
⼿写topk的代码，快排。代码还能如何优化，如果要上线的话还需要做哪些处理
如果分类样本的标签只有⼀定的概率可信，如何处理
如何设置负样本
过拟合的原因，有哪些防⽌过拟合的⽅法
模型评价如何做，其中存在哪些问题
决策树算法有哪些，随机森林和GBDT的区别
降维⽅法，PCA原理
哈夫曼树在机器学习中的应⽤
⽂本挖掘算法了解哪些
⼈流量预测系统如何设计
profession笔试：最优的进程调度算法，⾄少⽤多少个cpu
英语⾃我介绍，⼝语渣猝不及防
联想研究院 模式识别研究员 offer
异常值的影响，如何消除
所有了解的机器学习算法有哪些，框架性讲述
梯度下降算法了解哪些，优劣势是什么
⼆叉树中序遍历，递归和⾮递归
linux操作指令了解哪些，⽂本处理指令有哪些
⼀亿个数的⽂件，如何分成两个⽂件a,b，使得a⽂件的数都⼩于b，同时⽂件⼤⼩要差不多。均匀分布如何⽣成正态分布
SVM原理，⽀撑向量越多越好还是越少越好
⼆叉树深度遍历，时间复杂度和空间复杂度
⼆维排序矩阵搜索
项⽬中的长时间推⼴问题，如何考虑样本之间⾮独⽴的影响。
编程题，矩阵中的最短路，有门有钥匙。动态规划加状态向量。
贝叶斯公式，实际如何计算，如何解决精度问题。
字符串转数字
svm核函数有哪些，如何选取，⼿写表达式
降维⽅法介绍
c的虚函数，虚函数指针和虚函数表存在哪⼉
YOLO V2 V3 V4 你对哪个熟悉，讲⼀下细节实现
多尺度问题
anchor基础知识
⼈脸识别现在常⽤算法
语义分割到实例分割怎么做
GAN是否了解，如何通俗的讲其原理
PCA原理LDA原理
SVM+HOG
XGBoost
CNN、RCNN、FRCNN，有可能问你其中⼀个细节的关键
TensorFlow这些框架你谈⼀下看法以及对其他框架的了解
现在机器学习、深度学习这么⽕，你有什么看法
机器学习、深度学习你对他们的理解是什么
做门牌或者车牌识别的步骤以及关键
Relu⽐Sigmoid使⽤多的原因
Loss不升反降的原因，如何解决
SSD细节
Linux 权限的意义
块操作的操作的步骤以及快捷⽅式
