计算机视觉算法工程师笔试主要什么内容？

计算机视觉算法工程师笔试主要什么内容？

计算机视觉里面的主题比较多元化，应用上的差异也较大。

举例来说，做检测和识别的跟做SLAM的对应知识点要求就非常不一样，往细了说， 做日常物体的检测和识别跟做工业零件的检测和识别不一样，做日常物体的检测和识别和做人脸相关的检测识别涉及到的内容又不太一样； 做Visual SLAM和做Sensor Fusion的知识点不太一样， 做visual SLAM里前端跟踪和后端优化的知识点又是不一样……等等。

所以显然是不应该有什么通用的计算机视觉工程师笔试宝典的。

窃认为，一个计算机视觉工程师起码需要知道的知识包括基本的图像处理的算法以及大概的实现原理。知道相机的成像原理以及简单的标定原理。知道经典的特征的实现思路以及使用。作为一个工程师，抽丝剥茧分析问题的能力和编程能力是必备的，剩下的就根据不同的工作职责来出考题了。

如果招深度学习相关的，应该需要知道基本的反向传导的工作原理，知道经典layer是如何实现的，知道一些重要的权值归一化方法，以及为什么，知道起码一种流行的框架的实现和使用，等。有些朋友还可能会考什么贝叶斯优化方面的东西……

如果是SLAM方面，前端的话可能要考虑光流和跟踪，图像金字塔，FAST，ORB之类的实现，知道RANSAC以及几种变体，再过一点就是知道经典的开源框架前端的实现思路，比如PTAM，ORB－SLAM2等等。后端的话…可能要考的是李群，最小二乘优化的几种算法，卡曼滤波，基本的BA算法思路等。SLAM这边，细心的话，都应该问问什么E矩阵和F矩阵的区别，以及已经什么时候用那个比较好，再就是一些矩阵分解之类的问题……往深了问几乎都是数学了。

有些公司做医学图像的，需要考的问题还会包括很多计算几何和图形学方面的内容，比如spline，free－form surface， 向量场，流形优化，亚像素算法等等…

做工业视觉的也会有不同的关注点。会考一些光学，结构光，双目视觉，点云处理，点对特征，三维噪点过滤等等……

一个全能型的计算机视觉工程师要掌握的知识点太多了（捂眼睛），所以一般来说还是要对口地去找公司。自己私下不能停止学习，因为根本不是五年十年能学好的，为了生活过得开心点儿，你得能喜欢上这个事情。

这不是碗轻松饭，没有决心和毅力的话切勿入坑。