多光譜圖像和高光譜圖像的區(qū)別？
- 多光譜：3-10寬波段；高光譜：數(shù)百條窄帶。
- 多光譜圖像可用于地表特征和景觀模式，而高光譜圖像可用于識(shí)別和表征材料。
相位：描述信號(hào)波形變化的度量，通常以度為單位，也稱(chēng)作相角。
主成分分析：用于減少數(shù)據(jù)集的維數(shù)，保留數(shù)據(jù)集當(dāng)中對(duì)方差貢獻(xiàn)最大的特征。
debug和release的區(qū)別？
- debug是調(diào)試版本，不作任何優(yōu)化。
- release是發(fā)布版本，進(jìn)行了各種優(yōu)化。
孿生結(jié)構(gòu)：這兩個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)一般是相同的，并且參數(shù)是共享的，即參數(shù)是一致的。
感知機(jī)：有監(jiān)督學(xué)習(xí)算法，二分類(lèi)的線性模型；輸入的是實(shí)例的特征向量，輸出的是事例的類(lèi)別。
多尺度可以理解為與某固定事物之間的距離不同時(shí)人所感知的特征不同，即某物體在視場(chǎng)中成像大小不同時(shí)，其表現(xiàn)出的特征也不同。
空間注意力與通道注意力的區(qū)別？
- 空間注意力機(jī)制代表模型STN，對(duì)各種形變數(shù)據(jù)在空間中進(jìn)行轉(zhuǎn)換并自動(dòng)捕獲重要區(qū)域特征。能夠保證圖像在經(jīng)過(guò)裁剪、平移或者旋轉(zhuǎn)等操作后，依然可以獲得和操作前的原始圖像相同的結(jié)果。
- 通道注意力機(jī)制代表模型是SENet。SENet分為壓縮和激勵(lì)兩個(gè)部分，其中壓縮部分的目的是對(duì)全局空間信息進(jìn)行壓縮，然后在通道維度進(jìn)行特征學(xué)習(xí)，形成各個(gè)通道的重要性，最后通過(guò)激勵(lì)部分對(duì)各個(gè)通道進(jìn)行分配不同的權(quán)重。
空洞卷積也叫擴(kuò)張卷積或者膨脹卷積，就是在卷積核元素之間加入一些空格（零）來(lái)擴(kuò)大卷積核的過(guò)程。
ASPP（Atrous Spatial Pyamid Pooling），空洞空間卷積池化金字塔。目的與普通的池化層一致，盡可能地去提取特征。
精準(zhǔn)率和召回率？
- 精準(zhǔn)率：正確預(yù)測(cè)為正占全部預(yù)測(cè)為正的比例。
- 召回率：正確預(yù)測(cè)為正占全部正樣本的比例。
PPM（Pyramid pooling module）：特殊的池化模型，可以有效增大感受野，增大全局信息的利用率。
圖像差分：就是把兩幅圖像的對(duì)應(yīng)像素值相減，以削減相似部分，突出顯示圖像變化的部分。
編碼是將圖像數(shù)據(jù)寫(xiě)入文件，解碼是從圖像文件中讀出圖像數(shù)據(jù)。
類(lèi)別不平衡：分類(lèi)任務(wù)中不同類(lèi)別的訓(xùn)練樣本數(shù)目差別很大的情況。
虛警率：負(fù)樣本被預(yù)測(cè)為正樣本占總的負(fù)樣本的比例。
SVM（支持向量機(jī)）：處理二分類(lèi)問(wèn)題。
能量函數(shù)是描述整個(gè)系統(tǒng)狀態(tài)的一種度量。系統(tǒng)越有序或概率分布越集中，系統(tǒng)能量越小。反之，系統(tǒng)越無(wú)序或趨于均勻分布，則系統(tǒng)能量越大。能量函數(shù)的最小值，就是系統(tǒng)最穩(wěn)定的狀態(tài)。
隨機(jī)森林是一組決策樹(shù)，用于分類(lèi)和回歸的一種主流集成學(xué)習(xí)方法。
歐式距離衡量的是多維空間中兩個(gè)點(diǎn)之間的絕對(duì)距離。
Tensor（張量）：一個(gè)多維數(shù)組，能夠創(chuàng)造更高維度的矩陣、向量。
極化雷達(dá)屬于激光雷達(dá)。
UVA：紫外線中的一種。
一維、二維、三維卷積塊：
- 一維卷積常用在序列模型、自然語(yǔ)言處理領(lǐng)域。
- 二維卷積常用在計(jì)算機(jī)視覺(jué)、圖像處理領(lǐng)域。
- 三維卷積：在神經(jīng)網(wǎng)絡(luò)的輸入中增加時(shí)間這個(gè)維度（連續(xù)幀），神經(jīng)網(wǎng)絡(luò)就可以同時(shí)提取時(shí)間和空間特征，進(jìn)行行為識(shí)別、視頻處理。
矩陣維數(shù)：
- 數(shù)學(xué)上，其行向量或列向量生成的向量空間的維數(shù)。
- 編程中，指它的行數(shù)與列數(shù)，關(guān)注的是矩陣的大小。
