Вопросы на собеседовании: Computer Vision

Сравните Faster R-CNN и YOLO с точки зрения точности и скорости.

Когда следует использовать аугментацию данных, и какие типы аугментации наиболее распространены?

Объясните, что такое Semantic Segmentation и как U-Net реализует эту задачу.

Что такое quantization и как она помогает в развертывании моделей на устройствах с ограниченными ресурсами?

Как работают и для чего используются методы контрастного обучения, такие как SimCLR?

Что такое свёртка с использованием параметров stride и padding, и как они влияют на размер выходных данных?

Как работает алгоритм NMS (Non-Maximum Suppression) в задачах детекции объектов, и какие проблемы он решает?

Как получить embedding видео для рекомендательной системы? Какие модели и подходы?

Расскажите детально: как вы решали задачу определения цвета автомобиля? Сбор данных, модель, обучение, агрегация?

Как вы собирали датасет и обучали metric learning модель для поиска фейковых автомобилей в базе?

Как перейти от 17 фиксированных цветов к произвольному набору (100+ цветов, включая 'серебристый металлик')? Предложите pipeline.

Как вы агрегировали metric learning расстояния по ракурсам? Почему бустинг лучше эвристик?

В каком цветовом формате по умолчанию OpenCV хранит изображения?

Назовите минимум три вида интерполяции изображений.

Архитектура модели классификации авто — использовали претрейн или обучали с нуля?

Какой опыт с задачами CV на видео — трекинг, сегментация, action recognition?

Как решить задачу консистентной сегментации объектов, с которыми взаимодействует человек на видео?

Как подойти к задаче автоматической пиксилизации (цензурирования) контента на видео?

Как адаптировать модель с VR-видео (от первого лица) на обычные видео (от третьего лица) при нехватке данных?

Расскажите подробнее про обучение эмбеддинг-модели: архитектура, данные, метрики.