2018年那个秋天，我在牛客网上点开迅雷校园招聘计算机视觉岗位在线笔试A卷的时候，心里其实没底。那时候计算机视觉已经热得发烫，但真正能把基础概念吃透的人并不多。迅雷这家公司很有意思，它做下载起家，后面又深挖视频云和内容分发，对CV岗的考察并没有一味追求花哨的模型结构，而是在基础扎实度上反复做文章，尤其是传统图像处理、卷积网络原理和经典检测算法，题目设计得相当有针对性。
如果你正在准备算法岗或CV岗的校招笔试，或者想看看2018年互联网公司对计算机视觉基础能力的考察方向，这篇复盘应该能帮你少走不少弯路。
1. 整体题目结构与考察逻辑
1.1 题型构成与时间分配
先说一下这份卷子的整体感受。A卷整体时间在90到120分钟之间，题目分为三类：单选题、多选题和编程题，另外还会穿插两到三道简答题。单选的覆盖面很广，从线性代数到概率统计，从图像滤波到卷积神经网络的参数计算，基本是地毯式排查知识面。多选题的难度明显上了一个台阶，选项之间的区分度很高，稍不留神就会多选或者漏选。编程题一般是两道，一道偏传统算法，一道偏图像处理或数组操作。简答题通常集中在目标检测、特征提取这些CV核心话题上。
我当时拿到题之后的第一反应是：这份卷子不是在考你背过多少篇论文，而是在看你有没有真正动手算过、真正用过这些方法。比如感受野的计算、卷积输出尺寸的推导、反卷积的作用，这些都不需要你读过原论文，但你只要做过一次卷积操作或者画过一次网络结构图，就一定能答对。
从考察逻辑来看，迅雷作为视频云服务商，比较关注基于内容的视频理解和图像分类落地，所以深度学习基础、图像基础、特征工程这三块是大头。偏门冷门的方向，比如光流估计、点云处理，基本没有涉及。
1.2 在线笔试的实战环境差异
在线笔试和现场笔试最大的不同在于，你需要在自己的电脑上完成答题，同时浏览器会监控屏幕。编码时只有基础的编译器，没有自动补全，所以平时习惯用IDE写代码的人需要提前适应裸写代码的节奏。笔试过程中可以使用本地调试，但一旦切换窗口次数过多，系统可能提醒甚至判违规，这一点要注意。
我的建议是，笔试前先安装好本地Python环境以及OpenCV、NumPy库，方便在编程题里快速验证图像处理算法的思路。不要依赖在线编辑器自带的运行环境，它经常缺包或者版本不对。
2. 计算机视觉核心考点拆解
2.1 卷积神经网络基础计算题
卷积神经网络的参数计算是A卷里躲不掉的内容，而且每次考法都不太一样。常见的有四种考法：给定输入尺寸和卷积核参数求输出尺寸，给定网络结构求感受野，给定网络求参数量，以及比较不同卷积方式的计算量。
先说输出尺寸公式。假设输入尺寸为H，卷积核大小K，填充P，步长S，输出尺寸由下面的公式计算得出。
[ O = \frac{H + 2P - K}{S} + 1 ]
举个例子，输入224×224×3，卷积核7×7，S=2，P=3，那么输出尺寸就是(224 + 6 - 7) / 2 + 1 = 112，通道数看卷积核数量，比如64，那么输出就是112×112×64。
这道题之所以容易错，是因为很多人把padding和S的优先级搞混。先算分子H + 2P - K，取整后再除以S，最后加1。还有就是在S不能整除的情况下，向下取整，这是很多在线笔试的隐藏坑。
然后说感受野计算。感受野这个概念面试官特别爱问，因为它是理解卷积网络结构的基础。从最深层往输入层递推，公式是：
[ RF_{i-1} = (RF_i - 1) \times S_i + K_i ]
比如两层3×3卷积，S均为1，第一层感受野是3，第二层感受野就是(3-1)×1+3=5。这就是为什么很多人说两层3×3卷积等价于一层5×5卷积，但参数量更少、非线性更强。
A卷里有一道题问1×1卷积的作用，这也是高频考点。1×1卷积可以改变通道数、实现跨通道信息交互，同时它实际上是一种通道维度的全连接操作。在ResNet的Bottleneck结构里，先用1×1降维，再用3×3卷积，最后用1×1升维，就是为了减少计算量。
2.2 经典网络结构与特征提取方法
2018年的时候，ResNet、VGG、GoogLeNet已经是家喻户晓了，DenseNet和SENet也开始被频繁提及。迅雷的笔试更倾向于考VGG和ResNet的对比，比如VGG为什么用多个小卷积核替代大卷积核，ResNet的残差结构解决了什么问题。
这里有个容易混淆的点：残差结构解决的是梯度消失问题吗？严格来说，它缓解的是深层网络退化问题，也就是训练误差反而升高的问题。梯度消失当然也有缓解，但核心贡献是让梯度可以跳过中间层直接传播，使数十层甚至上百层的网络变得可训练。
特征提取方面，笔试除了深度学习，还会捎带考察SIFT、HOG这些传统特征。HOG对光流和边缘方向敏感，适合行人检测；SIFT具有尺度不变性，适合图像配准和拼接。它们的区别一张表就能说清楚。
| 特征 | 核心思想 | 关键特性 | 典型应用 |
|---|---|---|---|
| SIFT | 尺度空间极值检测 | 尺度不变、旋转不变 | 图像拼接、物体识别 |
| HOG | 梯度方向直方图 | 对光照变化鲁棒 | 行人检测 |
| LBP | 局部二值模式 | 灰度不变性、计算快 | 纹理分类、人脸识别 |
| Haar | 矩形特征差值 | 特征简单、配合级联 | 人脸检测 |
2.3 目标检测算法演进脉络
简答题里最可能出现的，就是让你对比Faster R-CNN和YOLO这两种检测框架。这个问题可以从多个角度展开：两阶段和一阶段、精度与速度的取舍、锚点机制、后处理方式。
Faster R-CNN的核心贡献是引入了RPN（Region Proposal Network），把候选框生成这个过程也交给网络学习，实现了端到端的训练。它先粗略找出可能包含物体的区域，再对这些区域做分类和回归，所以精度高，但速度偏慢。
YOLO的思路完全不同，它把检测当成回归问题，一张图直接划分成网格，每个网格预测若干个边界框和类别概率。没有显式的候选区域生成过程，速度快了非常多，但对小目标和重叠目标的检测效果不如Faster R-CNN。
R-CNN系列的三个版本演进也是一个经典考点。R-CNN用选择性搜索生成候选框，再对每个候选框分别做卷积，速度很慢；Fast R-CNN引入ROI Pooling，把整张图的卷积结果复用，大幅提升速度；Faster R-CNN的RPN把候选框也并入网络，从而实现了真正意义上的端到端检测。
如果你自己动手训练过这些模型，就会发现从Faster R-CNN到YOLO的演进不只是在改网络结构，而是整个设计哲学的转变。两阶段方法追求定位精度，一阶段方法追求速度和精度的平衡，这也是工业落地场景中做技术选型的核心依据。
3. 典型题目实战解析
3.1 选择题经典实例
先说一道印象非常深的选择题，题干是这样：输入特征图大小为32×32×16，经过一个3×3卷积，padding为1，stride为2，最后接一个2×2的最大池化，步长为2。问输出特征图的宽和高是多少。
这道题的陷阱在于，不能用32直接除以2再除以2来做，必须先算卷积输出。(32 + 2 - 3) / 2 + 1 = 16，最大池化后是8。如果你跳步计算，就容易得出16这个错误答案。这个考点就是公式的准确性。
另一道常见的选择题是关于反向传播中梯度消失的原因。选项里会有：网络过深导致梯度连乘越来越小、激活函数导数小于1、权重初始化不合理、学习率过大。正确答案是前三者，学习率过大一般会导致梯度爆炸或者震荡，不是梯度消失的直接原因。这种多选题最能拉开差距。
3.2 编程题完整代码
编程题我记得有一道是实现一个简单的二维卷积操作，输入是一个单通道矩阵和一个卷积核，要求输出卷积结果。如果直接用Python实现，核心代码可以这样写。
def conv2d(image, kernel, stride=1, padding=0): h, w = len(image), len(image[0]) kh, kw = len(kernel), len(kernel[0]) padded_h = h + 2 * padding padded_w = w + 2 * padding padded = [[0] * padded_w for _ in range(padded_h)] for i in range(h): for j in range(w): padded[i + padding][j + padding] = image[i][j] out_h = (padded_h - kh) // stride + 1 out_w = (padded_w - kw) // stride + 1 result = [[0] * out_w for _ in range(out_h)] for i in range(out_h): for j in range(out_w): region = [padded[i*stride + m][j*stride + n] for m in range(kh) for n in range(kw)] result[i][j] = sum(region[m] * kernel[m // kw][m % kw] for m in range(kh * kw)) return result这道题考察的点很明确：padding的正确处理、stride的索引计算、维度匹配。我建议你用NumPy实现一遍再手写一遍，两道都写顺了，笔试基本不会卡壳。如果题目加了batch和channel，就再加两层循环，注意维度顺序。
另一道编程题更偏传统算法，一般是动态规划或者二分法。有一道很典型的题：给定一个数组，找出连续子数组的最大和，要求复杂度O(n)。这个就是经典的Kadane算法。
def max_subarray_sum(nums): if not nums: return 0 max_ending_here = nums[0] max_so_far = nums[0] for num in nums[1:]: max_ending_here = max(num, max_ending_here + num) max_so_far = max(max_so_far, max_ending_here) return max_so_far笔试的时候不能只是把代码写对，还要分析空间复杂度。如果直接开一个和原数组等长的dp数组，空间复杂度是O(n)，但最优解只需要两个变量，空间复杂度O(1)，这就能体现你对算法的理解深度，差距就是这样拉开的。
3.3 简答题高分策略
简答题一般不会要求你写长篇大论，但需要逻辑清晰、关键词到位。比如问“请简述Batch Normalization的作用”，你至少要写到四个方面：加速收敛、缓解梯度消失、对初始化不那么敏感、有一定的正则化效果。
如果问你“为什么目标检测中常用非极大值抑制（NMS）”，你要先解释NMS做了什么：在检测出的众多候选框中，按置信度排序，然后移除与最高置信度框重叠度过高的其他框，再在剩余框里重复这个过程，最终保留每个物体最合适的框。如果不做NMS，一张图里同一个物体会出现几十个重叠的预测框，无法直接使用。
我在笔试里总结出的简答题回答公式是：背景一句话，原理两三句，公式或流程两三句，优缺点和适用场景三四句。控制在四到六行左右，既不冗长，又能覆盖到采分点。
4. 高频易错点与避坑指南
4.1 卷积计算的隐性陷阱
卷积计算最大的难点不是公式记不住，而是对padding和stride的组合理解不透彻。很多人在padding=1、stride=2这种配置下会算错，因为直觉上觉得自己在扩大输入，不会减少那么多，但实际公式算出来就是会缩小。
还有一种考法是在计算量上做文章。比如问两个3×3卷积和一个5×5卷积，在相同输入下的计算量对比。两个3×3卷积的感受野等价于一个5×5，但是计算量更小。假设输入通道和输出通道都是C，一个5×5卷积的计算量是25×C²×H×W，两个3×3卷积是18×C²×H×W，后者节省了接近30%的计算量。
4.2 深度学习原理常见误区
反向传播的梯度计算是笔试选择题里的常客，很多人会在链式法则的系数上栽跟头。如果你对sigmoid函数求导不熟，建议背一下：sigmoid的导数是σ(x)(1-σ(x))，这个值最大只有0.25。多层连乘之后，梯度衰减非常快，这就是梯度消失的数学根源。
另外还要区分L1和L2正则化的区别。L1会让部分权重变成零，产生稀疏解，相当于特征选择；L2是让权重整体变小但不会为零。有些题目会问“哪些方法可以防止过拟合”，选项里有数据增强、Dropout、早停、权重衰减、正则化。除了这五样，增加训练数据也可以，但增加模型复杂度反而会过拟合。
4.3 时间分配与答题次序
在线笔试的得分策略很简单：先做有把握的题，再做需要推敲的题，最后攻克没思路的题。我建议的顺序是：单选前10题、编程题第一题、多选、简答、剩下的题。编程题如果20分钟内没有思路，必须先跳过，后面时间再回来补。
有一类题我不建议轻易跳过，就是计算卷积输出尺寸或感受野的题目，因为只要掌握公式就能拿分，这种分数放弃太可惜了。反倒是那种描述很含糊、选项全是“以上都正确”的题目，可以直接标记，放到最后。
简答题放在多选题后面答，还有一个原因是大脑在从“区分细节”切换到“组织表达”时需要时间，提前写下关键词也能防止写着写着跑偏。我当时就是把“归一化”“平移不变性”“锚点”这些词先写在草稿纸上，再逐条展开，效果很好。
5. 备考路径与实用心得
5.1 知识体系怎么搭建
如果是快速准备这种校园招聘笔试，我还是建议搭建一个自己的知识金字塔。最底层是数学基础，包括线性代数里的矩阵乘法、特征值分解，概率论里的贝叶斯公式、高斯分布；中间层是机器学习基础，包括模型评估指标、SVM、决策树、聚类；上层是深度学习，包括卷积网络、循环网络、训练技巧、目标检测和分割。
刷题方面，LeetCode上高频的数组、字符串、动态规划、二分查找题要刷得特别熟练，不用刻意追求难题，笔试难度通常在LeetCode Medium偏下。牛客网上有大量往年校招笔试真题，尤其是机器学习算法岗的题库，价值很高，不过做题时不要只看题解，要动手算一遍。
5.2 简答题如何准备才稳
准备简答题不能靠背，而是靠理解之后用自己的话复述。比如“请解释ROI Pooling的作用”，如果你只背了定义，一旦题目变成“ROI Pooling的量化误差来自哪里”，就会卡住。ROI Pooling把感兴趣区域的边界量化到特征图网格上，这个过程本身有位置偏移，这就是量化误差的由来。后面的ROI Align用双线性插值替代量化，就是针对这个问题的改进。
一个比较实用的方法是做索引卡片。每张卡片正面写一个概念或算法名字，背面写四行内容：定义、核心公式或流程、优缺点、典型应用场景。每天抽二十张过一遍，坚持两周以后，简答题基本上看到题面就能自动想出回答框架。
5.3 笔试与面试的综合衔接
笔试结束后大概一周内会收到面试通知，所以笔试复盘一定要做。我当时把A卷里所有做错的题整理成了一个Excel，分了三列：题目、我的错误答案、正确思路。面试时被问到类似问题，我能直接说出当时踩坑的经历，反而给面试官留下不错的印象。
计算机视觉岗位的面试通常包含项目深挖、现场算法题和论文问答三个环节。笔试中暴露出的薄弱点，比如传统特征提取不熟、NMS原理说不清，很可能就是面试官追问的方向。所以笔试复盘不仅仅是改错，更是一次针对性的查漏补缺。
结束前的一个小建议
我后来发现，计算机视觉笔试最核心的能力其实是“把公式推导到熟练、把流程描述到清晰”。很多人栽跟头不是因为不会，而是因为平时都是用框架调用接口，从没自己算过卷积尺寸，没自己推过感受野。准备任何校招笔试时，多动手算一算，多手写一下过程，比盲目刷一百道题更加有效。尤其是卷积计算和反向传播这两个基本功，只要你真的写一次推导过程，记忆会牢固很多。希望这份复盘能对你的校招之路有点帮助。
