每年秋招一到后台总有人问我计算机视觉岗的笔试该怎么准备。2018年秋季我参加过滴滴出行计算机视觉研发工程师的网申笔试而且是第三批。说实话第三批是个很微妙的时间点前面两批已经考完网上多少能搜到一些题目碎片但第三批的考点和题目风格往往又和前两批不完全一样。计算机视觉方向的同学应该都有体会校招笔试不像课程考试有明确范围它考的常常是“你以为自己会但一动手就卡壳”的东西。这篇文章我把这次第三批笔试的备考过程和做题思路完整记录下来给后来投递这个岗位的同学做个参考也顺便聊聊滴滴这类公司的CV岗笔试到底在筛什么人。计算机视觉研发工程师表面上是算法岗位实际上要干的活很杂既要有数学和图像处理的基本功又要能快速实现深度学习模型还得用工程标准写出能上线的代码。滴滴的出行场景里CV不是发论文而是每天处理海量的图片和视频。所以笔试部分从来不是单一维度而是数学基础、传统图像处理、机器学习/深度学习、编程能力四合一。下面我按一条完整的备考线展开每一步都结合我当时踩过的坑和总结的规律。1. 先看清岗位要求再拆解第三批笔试1.1 滴滴的计算机视觉到底解决哪些真实问题很多同学一听说“计算机视觉研发工程师”第一反应就是目标检测、图像分类这些通用任务。但滴滴的业务场景对CV岗位的技术栈有很强的导向性。我当时在准备笔试前先把滴滴出行App里跟图像视频相关的功能过了一遍发现核心需求集中在几块司机身份与证照审核行驶证、驾驶证OCR识别人脸与证件照片比对识别翻拍和伪造。车内安全监测通过车载摄像头检测疲劳驾驶、分心驾驶、打电话、吸烟等行为这需要人脸关键点、头部姿态估计、手势识别。行车记录仪与路面分析车道线检测、车辆和行人检测、车位检测甚至极端天气下的图像增强。地图与POI数据路边门店招牌识别、图像检索、图片质量打分。司乘纠纷的证据分析对用户上传的图片和视频进行分类、检索、关键帧提取。这些场景决定了笔试不会只考深度学习。比如证件审核会用到图像预处理、直方图均衡化、形态学操作车内监测会考到目标检测的轻量化设计比如YOLO系列、NMS、模型量化路测画面分析则可能涉及经典边缘检测和透视变换。所以准备笔试时不能盲目刷算法题要先想清楚这家公司的CV岗位在业务里承担什么角色再倒推考点。1.2 第三批笔试晚投不意味着简单很多人把第三批理解为“补录批”觉得前两批大神都走了第三批应该轻松一点。我参加过之后只想说别被批次迷惑了。企业设置多个笔试批次核心原因是网申时间跨度大并不是按先来后到排序。第三批里既有第一批失手后重新投递的同学也有刻意准备充分、专门选后面批次的高手。而且第三批的题目往往会在前两批基础上做微调出现“影子题”的概率很高——题目场景变化了但考点内核不变比如把“车辆检测”换成“行人检测”把二维框换成旋转框。所以我的建议是第三批备考一定要把前两批的回忆帖当作最重要的线索但不能背题。我当时的做法是把网上的零散信息整理成一个考点清单按“出现次数”和“我不会的程度”排序再针对高频考点逐个攻破。先把这些帖子当成地图而不是答案就稳了一半。2. 计算机视觉研发岗笔试考点全拆解2.1 数理基础矩阵、概率、优化一个都不能少第一次做模拟题的时候我发现很多看似“AI问题”的背后全是数学题。数理基础在笔试里通常以选择、填空和简答推导的形式出现考察的不是死记硬背而是能不能理解模型为什么成立。线代部分最常出现的三个点矩阵求导、特征值分解、奇异值分解SVD。比如PCA与SVD的关系经常会以选择题出现答案核心是“对样本矩阵做SVD右奇异向量就是主方向奇异值对应方差贡献”。再比如卷积操作本质上是矩阵乘法卷积核的旋转、翻转都是在做矩阵变换。我当时把线代教材的前五章快速过了一遍重点看几何意义而不是套公式。概率论部分贝叶斯公式、高斯分布、最大似然估计是必考。有一道比较经典的简答题给定N个独立同分布的高斯样本求均值和方差的最大似然估计。答题时先写出似然函数再取对数分别对均值和方差求导令导数为零。均值的估计是样本均值方差的估计是样本方差除以N注意这里和统计学里的无偏估计不同无偏估计分母是N-1。这个差异极易踩坑笔试时如果能主动指出“最大似然估计的方差有偏但工程上仍常用”会显得理解更深一层。优化部分主要考梯度下降、SGD、学习率策略、梯度消失和爆炸。比如为什么深度网络要用ReLU而不是Sigmoid除了计算快更重要的是ReLU在正区间梯度恒为1能缓解梯度消失。这类题其实是在考察你训练过真实模型而不只是背概念。考点常见考查方式易错点SVD与PCA选择题、简答混淆左奇异向量与右奇异向量的含义极大似然估计推导题方差估计忘记除N还是N-1贝叶斯公式选择题后验概率计算漏项SGD与批量梯度下降简答忘记说明小批量带来的噪声作用梯度消失简答只说ReLU没有提初始化与BN2.2 经典图像处理深度学习时代的“硬通货”很多同学觉得有深度学习就够了传统图像处理可以跳过但滴滴这类公司的笔试实际上很偏爱传统图像处理。因为真实业务数据里充斥着低光照、模糊、反光、遮挡模型再强也需要先做好预处理而很多问题用经典算法就能快速解决。高频考点之一是图像滤波。均值滤波、高斯滤波、中值滤波的区别要熟记高斯滤波适合去除高斯噪声中值滤波对椒盐噪声特别有效。很多时候会给你一个小矩阵让你手写3x3中值滤波的输出结果。这种题必须注意边界通常做法是补零、复制边界或忽略边界题目若不说明默认使用补零是比较稳妥的。边缘检测也是常客尤其是Canny算子的五个步骤高斯滤波降噪、用Sobel等算子计算梯度幅值和方向、非极大值抑制、双阈值检测、边缘连接。简答题如果问“Canny为什么不直接用Sobel结果”要答出Sobel得到的边缘过宽非极大值抑制能瘦边双阈值能减少断点和伪边缘。特征点方面SIFT为什么具备尺度不变性因为它在构建图像金字塔后对每一层做DoG高斯差分并在空间和尺度两个维度上寻找极值点。ORB则是Fast角点加BRIEF描述子速度更快但存在尺度瓶颈。笔试可能让你比较SIFT和ORB核心从旋转不变性、尺度不变性、速度、专利限制几个维度展开。还有直方图均衡化定义很简单但为什么能增强对比度因为均衡化的本质是让灰度直方图尽可能均匀分布把集中在一个区间的像素拉伸到整个灰度范围。工程里判断图像是否模糊常用拉普拉斯算子计算二阶导数的方差方差越低越模糊。这些经典知识不需要写完整代码但要能清晰地讲出步骤和适用场景。2.3 机器学习与深度学习从“调包”到“懂原理”这部分是笔试的大头也是最容易拉开差距的地方。我备考时把机器学习的基础模型和深度学习经典结构都列了出来每个都按“是什么、怎么用、为什么有效”三句话过了一遍。传统机器学习部分逻辑回归必考。常见的问题包括为什么要用交叉熵损失而不是均方误差因为逻辑回归的预测值是经过Sigmoid变换的如果使用MSE损失函数是非凸的梯度更新容易陷入局部最优而交叉熵配合Sigmoid时梯度形式简洁能有效学习。SVM常考核函数的作用把低维空间线性不可分的数据映射到高维使其线性可分。这里要补充一句核函数不是万能的高维映射也容易过拟合所以有了软间隔和惩罚系数C。决策树、随机森林、GBDT也经常出现。比如“随机森林的随机性体现在哪里”答案有两个样本随机有放回抽样特征随机选择。GBDT和随机森林的区别则要强调串行与并行、拟合残差与投票平均。这类题在笔试中出现时如果时间充裕最好举例说明比如“预测年龄随机森林是问多人后取平均GBDT是每次修正上次的预测偏差”。深度学习基础不可回避。反向传播要能推导一个简单两层的例子理解链式法则。CNN要能计算感受野和参数量尤其是5x5卷积和两个3x3卷积堆叠拥有相同的感受野但参数更少、非线性更强这是面试和笔试的高频点。BN层的作用可以从三个方面答加速收敛、允许更大学习率、对初始化不那么敏感同时它把每个batch的特征分布拉回标准正态分布。Dropout训练时随机失活神经元测试时不失活但要对权重乘以保留概率我的经验是笔试里要在公式层面说清这一点。目标检测是CV岗位的重头戏必须熟记Faster R-CNN、YOLO、SSD的核心区别。R-CNN系列是两阶段先生成候选区域再分类和回归精度高但速度慢YOLO是一阶段直接回归边界框和类别速度快但小目标效果一般。我总结的答题套路是网络结构、正负样本定义、损失函数、后处理NMS、评价指标mAP、优势和局限。如果题里问“如何改进YOLO对小目标的检测”可以考虑多尺度特征融合、增加anchor数量、提高输入分辨率三种方向每题尽量答三点以上显得有工程思路。图像分割也很重要FCN把全连接层换成卷积层可以接受任意尺寸输入U-Net通过跳跃连接把浅层细节和深层语义融合在医学和遥感小样本场景表现好。笔试里如果问语义分割与实例分割的区别不要只回答“像素级 vs 个体实例”要强调实例分割通常需要先检测目标再做分割代表方法是Mask R-CNN。2.4 编程与算法题笔试的“分水岭”编程题是最考验临场发挥的部分。第三批的编程题我印象里没有太偏的竞赛题更多是基础数据结构加一点图像处理的味道。常考的题型包括字符串与数组最长公共前缀、小数组的峰值、快慢指针。滑动窗口给定一个数组和窗口大小求每个窗口的最大值。二叉树层序遍历、最大深度。图像处理实现实现高斯滤波、计算两个矩形的IoU、最近邻插值缩放。以IoU为例这是我强烈建议每个人都能手写的代码。IoU定义是两个矩形交集面积除以并集面积看起来简单但边界条件特别多。下面这个版本在我当年的笔试里直接能跑通def iou(box1, box2): # box1, box2: [x1, y1, x2, y2] x1_min, y1_min, x1_max, y1_max box1 x2_min, y2_min, x2_max, y2_max box2 xx1 max(x1_min, x2_min) yy1 max(y1_min, y2_min) xx2 min(x1_max, x2_max) yy2 min(y1_max, y2_max) inter_w max(0.0, xx2 - xx1) inter_h max(0.0, yy2 - yy1) inter_area inter_w * inter_h area1 (x1_max - x1_min) * (y1_max - y1_min) area2 (x2_max - x2_min) * (y2_max - y2_min) union_area area1 area2 - inter_area if union_area 0: return 0.0 return inter_area / union_area代码里的关键点在于计算交集宽高时用max(0, ...)保证不相交时交集面积为0并集面积等于两框面积之和减去交集面积分母为0时返回0。很多同学只写核心公式忽略分母为零保护在真实笔试里会扣鲁棒性的分。类似地滑动窗口最大值可以用单调队列实现保证均摊O(n)复杂度。笔试时如果时间紧张我一般先写暴力解再标注“可用单调队列优化到O(n)”这样至少能拿到大部分用例分。3. 第三批笔试的备考实操细节3.1 从网申到开考三周复习规划表第三批笔试一般会在网申截止后一周内发出从你决定参加那一刻到正式开考通常有两到三周。我把自己当时用的计划表整理成了下面这个模板适用于基础中等偏上的同学阶段时间重点任务产出物第一周Day1-7数学基础、经典图像处理、传统机器学习错题清单、公式卡片第二周Day8-14深度学习理论与目标检测、编程题刷题模型对比笔记、2道/天代码实践第三周Day15-21模拟套题、简答题表达、错题复盘3套完整模拟记录、易错点汇总第一周不用急着刷编程题重点是查漏补缺。我用周末两天把线性代数、概率论的考试型知识点过了一遍周一到周三集中过图像处理周四周五整理传统机器学习每天睡前把当天模糊的知识点写成一句“人话卡片”。这里说的人话卡片不是抄定义而是用自己的语言描述概念比如“SVD就是能把任意矩阵分解成旋转缩放旋转奇异值就是缩放因子”。只要你能不看资料写出解释说明真的理解了。第二周开始刷代码我给自己定的目标是每天做2道LeetCode中等题加1道图像处理实现题。刷题时不要只看题解必须自己跑通。LeetCode不用刷完但以下类型必刷数组、字符串、链表、二叉树、滑动窗口、动态规划基础。图像处理实现题可以自己造数据比如生成一个随机矩阵再用OpenCV的结果和自己写的函数对比这个过程能快速暴露边界处理问题。第三周的核心是模拟笔试。我在牛客和公司笔试平台上找了几套往年的在线模拟题严格按照正式笔试的时间和环境来做。模拟时手机放远处不开搜索遇到不会的题先跳过模拟结束后再复盘。这个阶段最重要的是练“取舍感”知道什么题先做什么题可以直接放弃。3.2 用“知识卡片”管理考点考点太多靠一本笔记本翻来翻去效率太低。我把所有高频考点都做成了卡片每张卡片固定包含四栏考点名称、一句话解释、常见问法、我的死穴。举个例子考点名称NMS非极大值抑制一句话解释在检测结果中保留局部得分最高的框删除与其他高分框重叠过大的框。常见问法NMS的不足如何改进——不足是密集场景下容易误删改进方向包括Soft-NMS、基于IoU的加权合并。我的死穴曾经忘了说阈值通常是0.5以及如何选择阈值。我用的是Excel因为可以按考点名称排序也可以筛选。考前半小时把“我的死穴”这一列单独过一遍效果比临时翻书好得多。如果自制力强也可以用Anki做成间隔重复卡片每天自动提醒。3.3 在线笔试做题顺序与时间分配正式笔试的题量通常不小我记得当时单选、多选、简答、编程都有总时长约120分钟。我的做题顺序是先写编程题再做简答题最后做选择题。理由很简单编程题分值大且思路如果被打断重新进入状态需要好久选择题虽然多但单题分值小会的快速选不会的可以先标记跳过。时间分配上我会按每道编程题20分钟、每道简答题10-15分钟、选择题平均每题1分钟来做。如果一道选择题超过3分钟还没思路直接跳。如果编程题卡在某个奇怪的bug上先写一个暴力解法保住部分用例不要追求第一版就是最优解。我在模拟测试时发现很多人最后考砸不是题不会而是前面选择题纠结太久编程题只剩15分钟手忙脚乱写不完。在线笔试还有一个容易被忽视的问题代码编辑器的自动补全不一定好用。如果平时用IDE习惯了突然切换到在线编辑器API的拼写很容易出错。建议在模拟阶段就用和正式考试一样的在线编辑器把常用库比如Python的numpy、collections的手写方式过一遍至少要知道有哪些方法不至于现场想函数名。4. 笔试中的避坑指南与后续准备4.1 环境与入场检查清单滴滴这类大厂在线笔试通常会有摄像头监控或屏幕录制对网络要求不低。我第三次模拟时因为宿舍Wi-Fi不稳定中途断线一次被迫重新登录幸好题目做了保存。建议考试当天提前30分钟做以下准备笔记本插上电源关掉所有弹窗软件和下载任务。提前用手机热点做备用网络台式机可准备一个USB无线网卡。在书桌边放草稿纸和黑笔允许使用草稿纸但一般不允许用计算器。提前登录笔试平台测试摄像头、麦克风和浏览器兼容性。找一个安静的时段如果宿舍太吵可以考虑图书馆讨论室或预约自习室。笔试开始后如果遇到技术问题立刻截图并通过平台客服或者邮件联系保留证据。大多数公司会安排重考但前提是你别慌先把问题反馈清楚。4.2 代码提交的隐性扣分点编程题不是只判暴力对错还会看代码风格和边界条件。我参与过几次代码评审发现应届生代码最容易出现三个问题变量名写成a、b、c没有考虑输入为空或者长度为1的极端情况不写注释逻辑全靠面试官猜。笔试时当然不需要写工程级注释但关键步骤加一行注释能让你的思路更清晰也方便自己回头检查。比如前面IoU代码中我专门写了if union_area 0: return 0.0这就是一个明显的鲁棒性体现。再比如实现图像滤波时如果图像边缘处理不当很容易报索引越界。一个加分做法是开头的注释写明“边界采用补零处理”哪怕实现时用最简单的方式面试官也能看到你理解这个问题。此外除非题目明确允许使用OpenCV、numpy等库否则核心算法要自己实现。有些同学直接调cv2.GaussianBlur完成高斯滤波虽然代码很短但笔试大概率不给分。因为这类题目考的就是你懂不懂原理调用库没法体现。4.3 笔试后的复盘与面试衔接笔试结束后最忌讳对完答案就彻底放下。我一般会做两步第一步把考场上所有不确定的题目和答案抄进一个文档标注“当时犹豫的点是什么”第二步把犹豫点对应的知识点回到课本或文档里查一遍写成“一句话理解”。这一步非常关键因为笔试中暴露的模糊点往往就是面试官最喜欢追问的深度盲区。比如当时我在“BN层在训练和测试时有什么区别”这道题上犹豫很久后来笔试复盘发现我对测试时使用全局均值和方差理解不够于是重新推导了一遍结果面试时真被问到了。另外考完如果感觉通过率不大也别灰心。校招是持久战一批笔试不代表最终结果。我知道有同学第一批笔试没发挥好后来面试表现不错照样拿到offer也有在第三批笔试中发现基础薄弱经过一个月补课在终面逆袭的。笔试最大的价值是逼着你系统过一遍基础不管最后进没进面试这个积累都是硬通货。我个人印象最深的一点是滴滴第三批笔试里的很多题目并不需要你会多么高深的模型而是考察你有没有真正上手处理过图像数据。只要你平时动手写过预处理、训练过模型、调过损失函数再经过系统的考点梳理这套笔试没有想象中那么难。最后再分享一个小技巧每次模拟完笔试我会花半小时把错题和模糊题抄进一个“一句话笔记”按“考点—我的错误—正确理解”的格式记录。考前只看这一页比翻厚书有用得多。如果能把这份笔记坚持做完整轮秋招你收获的绝对不只是offer而是一套属于自己的知识复盘体系。
