迁移学习在计算机视觉中的应用
哪些公司问过
答案要点
- 定义:利用源域或源任务学到的知识提升目标任务,CV 中典型是 ImageNet 预训练骨干
- 依据:浅层学到边缘纹理等通用特征,深层偏任务语义
- 两种方式:冻结骨干做特征提取,或用小学习率微调部分或全部层
- 数据少、域相近时多冻结;数据多、域差异大时放开更多层,下游可做分类、检测、分割
- 域差异大时收益下降,可配合数据增强、领域自适应或更合适的预训练模型
易错点
- 认为预训练模型在任何领域都必然有提升
- 微调时用与从头训练相同的大学习率,破坏预训练特征
- 把迁移学习与多任务学习、知识蒸馏混为一谈
面试官常见追问
- 微调时学习率怎么设?
- 什么情况下迁移学习效果不好?
- 微调时 BatchNorm 需要注意什么?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。