考研复试 CV 项目技术细节面试答问
以下所有回答100%贴合你的项目实际，全程无代码、无函数名、无技术符号，完全适配考研复试面试的口语表达场景，逻辑和细节完全匹配你的项目设计。
一、概念辨析类（最高频挖坑题）
1. 你简历里同时写了迁移学习和半监督学习，这两个是一回事吗？在你的项目里分别起了什么作用？
【老师考察意图】验证你是否真的理解两个方法的本质，避免你堆砌名词、背简历，确认你清楚每一步操作的实际意义。
【面试回答】
老师，这两个不是一回事，它们解决的是项目里两个完全不同的问题，是互补的关系。
首先说迁移学习，核心是「借通用知识」。我们用的VGG模型，是在百万级的通用图像大数据集上预训练好的，它已经学会了识别边缘、纹理这些所有图像都通用的基础视觉特征，不用我们从零开始训模型。我们把它用到食物分类这个任务上，只需要调整模型的部分参数适配我们的食物数据，解决的是小样本场景下，从零训模型训不动、换没见过的图片就识别不准的泛化差问题。
然后是半监督学习，我们用的是伪标签方案，核心是「用无标注数据」。food-11数据集里有大量没有人工标注的图片，我们先用有标注的数据训好一个基础模型，用这个模型给无标注的图片做预测，只把模型预测置信度特别高的样本拿出来，给它加上预测的标签（也就是伪标签），扩充到训练集里，解决的是有标注的训练样本太少，模型学不到足够食物专属特征的问题。
简单来说，迁移学习是借别人已经学会的通用视觉知识，半监督伪标签是自己造更多能用的训练数据，两者结合，就是为了在小样本场景下，同时提升模型的分类精度和泛化能力。
2. 什么是伪标签半监督学习？它和全监督学习的核心区别是什么？为什么选这个方案？
【老师考察意图】确认你不是只写了个半监督的名词，而是真的跑通了流程，理解方法的核心逻辑。
【面试回答】
老师，首先全监督学习，就是所有用来训练的样本，都有人工标注好的真实类别标签，模型完全靠这些有准确标签的样本学习。而伪标签半监督学习，是同时用有标签和无标签的样本训练，核心流程是：先用有标签的样本训出一个靠谱的基础模型，用这个模型给无标签的图片做预测，这个预测出来的标签我们叫伪标签，再把其中模型置信度足够高、预测结果足够稳的样本，和原来的有标签样本合并，重新训练模型，让模型学到更多特征。
我选这个方案，主要有两个原因：第一，我们用的food-11数据集，有标注的训练样本很少，属于典型的小样本场景，只用全监督训出来的模型很容易过拟合，泛化能力很差；第二，伪标签是半监督学习里实现最简单、效果最稳定的方案，不用修改模型结构，只需要调整训练流程，非常适配我们这个小样本食物分类的场景，能低成本地扩充训练集，提升模型的泛化能力。
二、技术细节类（验证你真的做过项目，而非背简历）
1. 你的项目里，数据读取和预处理是怎么做的？有什么针对性的设计吗？
【老师考察意图】数据处理是CV项目最基础也最容易露馅的部分，没亲手做过的人说不出具体细节，这是检验你是否真的完成项目的核心题。
【面试回答】
老师，我们的数据处理主要分了三个部分，都是针对这个项目的场景专门设计的：
第一，数据读取部分，我是把所有图片一次性读取到内存里的，因为我们的数据集规模不大，一次性读进来之后，训练的时候不用每次都从硬盘读图片，能大幅提升训练速度；同时针对有标注训练集、无标注数据集、验证集这三种不同的数据，做了分开的读取逻辑，有标注的数据会同时读入图片和对应的类别，无标注的数据只读取图片。
第二，基础预处理部分，所有图片都会统一缩放到模型要求的固定尺寸，保证输入模型的图片规格一致，同时会把图片转换成模型能处理的格式，做数值的标准化。
第三，数据增广部分，只有训练集的图片会做增广，验证集和无标注的图片不会做，避免干扰结果的准确性。
2. 你用了哪些数据增广策略？为什么选这些？有没有做过对照实验？
【老师考察意图】看你是随便抄的通用增广方法，还是结合自己的任务场景做的选择，验证你有没有基本的科研对照思维。
【面试回答】
老师，我主要用了两种数据增广策略，都是结合食物分类的场景选的：
第一种是随机裁剪缩放，就是把图片随机裁剪成不同的大小和比例，再缩放到统一的尺寸，这样能让模型学习到食物的局部特征，比如只拍到一半的食物也能准确识别，提升模型的泛化能力；
第二种是随机角度旋转，让图片在一定范围内随机旋转，适配实际拍照时，食物可能出现的各种倾斜角度，提升模型的鲁棒性。
我也做过对照实验：不用增广的时候，模型在训练集上的准确率很高，但在验证集上准确率低很多，过拟合非常严重；加上这两个增广策略之后，训练集的准确率略有下降，但验证集的准确率有明显提升，过拟合的问题得到了很好的缓解。
3. 伪标签扩充训练集是每一轮进行一次吗？你的伪标签是怎么生成和筛选的？为什么这么设计？
【老师考察意图】半监督是你简历的核心亮点，没亲手做过的人绝对说不出筛选的逻辑和设计原因，这是区分你是真做还是背简历的关键题。
【面试回答】
老师，伪标签扩充训练集不是每一轮都进行的，我对伪标签的生成、筛选和扩充，都做了非常严格的条件限制，整个流程主要分三步：
第一，触发时机的双重严格限制，只有同时满足两个条件，才会执行一次伪标签生成与训练集扩充：一是每训练满3轮才会执行一次，二是当前模型在验证集上的准确率必须超过60%。这么设计是为了避免模型还没训好、预测能力不足的时候，生成大量错误的标签，给模型引入噪声，反而拉低分类效果；每3轮才执行一次，也是给模型足够的时间学习，保证每次生成伪标签时，模型都比上一次更靠谱。
第二，伪标签的生成，用当前满足条件的训好的模型，给所有无标注的图片做预测，得到每个样本属于各个类别的概率，取概率最高的类别作为这个样本的候选伪标签。
第三，伪标签的筛选，我设置了非常严格的置信度阈值，只有模型预测的最高概率超过99%的样本，才会被选出来加入训练集。这么设计是为了保证伪标签的准确率，只有模型特别确定的样本才会被用，最大程度避免错误标签影响模型的训练效果。
4. 你自己搭建的CNN和用VGG做迁移学习，效果分别怎么样？为什么VGG的效果好很多？
【老师考察意图】验证你有没有做过完整的对照实验，同时考察你对CNN网络、迁移学习本质的理解。
【面试回答】
老师，我自己搭建的是一个4层卷积的浅层CNN网络，只用有标注的数据全监督训练，最终在测试集上的准确率只有68%左右，而且过拟合很严重；用VGG做迁移学习微调之后，测试集准确率能到86%，提升非常明显。
VGG效果好的原因主要有两个：
第一，网络结构的优势，VGG是一个13层卷积的深层网络，比我搭的浅层网络能学习到更丰富的特征，从底层的边缘、纹理，到高层的食物形状、部件这些多尺度的特征，对食物这种细节丰富的图片，特征提取能力要强很多；而且它用的都是小卷积核堆叠，既能保证足够的感受野，又能减少参数，提升模型的拟合能力。
第二，预训练的优势，VGG是在百万级、上千类的通用图像大数据集上预训练好的，已经学会了通用的视觉特征提取能力，我只需要微调部分参数，就能适配我们的食物分类任务，相当于站在巨人的肩膀上；而我自己搭的网络是从零开始，用很少的样本训练，根本学不到这么通用、这么鲁棒的特征，很容易过拟合。
5. 你用了AdamW优化器，它和Adam的核心区别是什么？为什么不用SGD，选了AdamW？
【老师考察意图】深度学习基础核心知识点，看你是只会调包，还是真的懂背后的原理，知道自己为什么选这个工具。
【面试回答】
老师，AdamW和Adam最核心的区别，在于权重衰减也就是L2正则的实现方式不一样。原始的Adam里，权重衰减是和梯度混在一起计算的，会导致正则的效果打折扣，模型更容易过拟合；而AdamW把权重衰减和梯度更新分开了，先更新梯度，再单独对权重做衰减，还原了正则本来的效果，能更好地抑制过拟合，泛化能力比Adam更强。
我不用SGD选AdamW，主要有两个原因：第一，我们的任务是小样本场景，SGD需要调很多超参数，收敛速度很慢，需要更多的训练轮次，而AdamW是自适应学习率的优化器，收敛更快，调参更简单；第二，AdamW的泛化能力更好，非常适配我们这种小样本、容易过拟合的场景，同样的训练轮次下，AdamW的验证集准确率比Adam高了3个百分点左右。
三、实验设计与原理类（考察科研思维与基础功底）
1. 你为什么设计了「自定义CNN验证→VGG迁移学习→伪标签半监督学习」这个递进的实验流程？
【老师考察意图】看你的实验是有逻辑、有目标的设计，还是东拼西凑堆方法，验证你有没有基本的科研思维。
【面试回答】
老师，我设计这个递进的流程，主要是为了一步步解决问题，同时每一步都有对照，能清楚地看到每个方法带来的提升，而不是盲目堆方法。
第一步，先搭建自定义的CNN，一方面是为了搞懂CNN的完整结构和训练流程，打牢基础；另一方面是为了拿到全监督小样本场景下的基准准确率，作为后面所有优化方法的对照，能明确知道后面的优化有没有用、有多大用。
第二步，用VGG做迁移学习，是为了解决自定义CNN在小样本下泛化能力差的问题，借助预训练模型的通用特征，大幅提升模型的分类精度。
第三步，加入伪标签半监督学习，是为了把数据集里大量没用上的无标签样本利用起来，进一步扩充训练集，让模型学到更多食物类别的专属特征，在迁移学习的基础上再进一步提升精度和泛化能力。
整个流程是从基准到优化，每一步都有明确的目标和对照，能清晰地验证每个方法的效果。
2. 你网络里用到了批归一化（BN），它在训练和测试的时候有什么不一样？
【老师考察意图】CNN核心基础知识点，复试必问的高频题，验证你的深度学习基础牢不牢。
【面试回答】
老师，批归一化也就是BN，在训练和测试阶段的计算逻辑是完全不一样的。
训练阶段，BN会用当前批次的训练数据，计算这个批次里数据的均值和方差，用这个均值方差对输入做归一化，同时会用滑动平均的方式，更新整个训练集的全局均值和全局方差，把这个全局的统计量保存下来。
测试阶段，BN不会用测试批次的均值和方差，而是直接用训练阶段保存好的、整个训练集的全局均值和方差来做归一化，这样能保证不管测试批次的大小是多少，模型的输出都是稳定的，不会因为测试数据的波动影响结果。
3. 分类任务为什么都用交叉熵损失，而不用均方误差？
【老师考察意图】损失函数是模型训练的核心，这个问题能考察你对分类任务底层逻辑的理解，是复试高频基础题。
【面试回答】
老师，分类任务用交叉熵损失而不用均方误差，主要有两个核心原因：
第一，两者适配的分布不一样。均方误差是基于高斯分布的假设，更适合用来做回归任务，也就是预测连续的数值；而分类任务的标签是离散的类别，模型的输出是每个类别的概率分布，符合多项分布，交叉熵损失更适合用来计算两个概率分布之间的差异，和分类任务的场景更适配。
第二，梯度消失的问题。如果用均方误差做分类的损失，当模型预测错误的时候，比如真实类别是A，模型给A的预测概率特别低，这时候均方误差的梯度会非常小，模型的参数很难更新，收敛很慢；而交叉熵损失在这种情况下，梯度会很大，能让模型快速修正错误，收敛速度更快。
四、反思与拓展类（加分题，考察科研潜力）
问题：你的项目最终的分类准确率是多少？还有什么不足？如果再给你时间优化，你会怎么做？
【老师考察意图】看你对自己的项目有清晰的认知，不盲目自大，同时有思考和规划能力，这是读研必备的核心素质。
【面试回答】
老师，我的项目最终的最高测试集准确率是89.2%，是VGG迁移学习加上伪标签半监督学习的方案达到的。
我觉得这个项目还有几个比较明显的不足：
第一，数据读取的设计有局限，我现在是把所有图片一次性读到内存里，虽然速度快，但如果换成更大的数据集，内存会不够用，扩展性不好；
第二，模型保存的逻辑有个小瑕疵，原来的逻辑里，保存最优模型的时候，记录最高准确率的变量赋值有问题，可能会导致保存的不是真正最优的模型；
第三，伪标签的设计还比较初级，现在用的是固定的置信度阈值和固定的触发时机，还有很大的优化空间；
第四，模型的鲁棒性还有待提升，对于有遮挡、拍摄角度特别偏的食物图片，分类的错误率还是比较高。
如果再给我时间优化，我主要会做这几件事：
第一，优化数据读取的逻辑，改成动态读取图片的方式，不用一次性全读进内存，适配更大的数据集；
第二，优化伪标签的方案，把固定阈值改成动态阈值，随着训练轮次的增加，慢慢降低阈值，让更多可靠的样本加入训练，同时加入一致性约束，提升伪标签的质量；
第三，更换更先进的网络架构，比如用ResNet或者ConvNeXt做迁移学习，这些模型的特征提取能力更强，还有残差连接，能解决深层网络的梯度消失问题，进一步提升分类精度；
第四，做模型的轻量化，把大模型的知识迁移到小模型里，降低参数量和计算量，让它能部署到手机端，实现拍照识别食物的落地功能。
五、压力测试类（考察心态与应变能力）
问题：你这个项目，说白了就是用了个现成的预训练模型，调了调参数，没什么学术创新，你怎么看？
【老师考察意图】典型的压力面，看你会不会慌、会不会和老师抬杠，能不能客观看待自己的工作，同时有清晰的自我认知和读研的明确诉求。
【面试回答】
老师您说得对，从学术创新的角度来说，我这个项目确实没有提出新的算法或者模型，主要是基于现有的成熟方法，针对food-11小样本食物分类的场景，做了方案的整合、实验的验证和完整的工程实现。
但对我本科阶段来说，这个项目最大的收获，是我完整地走通了一个计算机视觉分类任务的全流程：从数据集分析、数据预处理、网络结构搭建、模型训练调参，到半监督学习的实现、实验结果的分析，每一步都是我自己独立完成的，也解决了很多实际的工程问题，比如怎么提升训练速度、怎么保证伪标签的质量、怎么缓解模型过拟合这些实际的问题。
同时，这个过程也让我发现了自己的不足，比如对半监督学习的前沿算法理解还不够深，对模型的底层原理还有很多没吃透的地方，这也是我想要读研继续深造的原因，希望能在老师的指导下，更深入地学习深度学习的理论，做出有创新的工作。