请问怎样准备机器视觉面试，cv算法工程师面试？深度学习面试？
看你面试的是传统的机器视觉还是和深度学习相关的，最好有过项目经验，比如做过目标检测或者人脸或者其他视觉相关的项目，或者一些传统机器视觉项目。
首先是一些基本知识面试，数据结构与算法跑不掉的，剩下的一般是CPP或者python一些概念或者知识，但是这部分也不会很深挖。
然后是传统数字图像处理，最少一些图像增强，几何变换，找线，简单集合的要知道怎么找，最好是opencv或者halcon会一个。
机器学习和深度学习方面，基础机器学习算法肯定会问（类似kmean，svm等一些会跟图像挂钩的部分），深度学习的话cnn网络基础相关知识（比如归一化，怎么防止过拟合欠拟合，池化，上下采样，不同的损失函数，激活函数之间的区别与优缺点等等很多），一些基础图像网络，two stage和one stage区别，各种图像网络之间的改进等等，这个很多，不要求你全部精通，但是大部分需要了解是做什么的，相对改进点在哪里，你要做的是最少精通其中一个，比如目标检测的yolo系列或者rcnn系列，anchors作用是什么，怎么从anchors还原出原来的检测框等等，面试官会根据你精通的这个来更深入的问一些相关问题。
所以我最前面的建议，你需要具体做过一个项目，你才会知道遇到一些问题怎么解决，比如数据量过少怎么增加数据量，特征不明显是否需要先用传统算法做一些图像增强，常用的图像增强有哪些
如果我当面试官，我就问一个问题：
请在OpenCV官网搜remap的用法。
(^_^)