视觉算法岗秋招总结

前言

• 本人最开始对基于自动驾驶的计算机视觉十分感兴趣，因此希望在读研期间做自动驾驶感知算法研究相关的工作，但是无奈事与愿违去做了与之毫不相关的材料相关计算机仿真。今年秋招的时候，还是希望做一些计算机视觉相关的工作，因此找的工作大多是计算机视觉算法工程师。
• 在找实习和秋招的过程中，其实还面了很多其他的公司，但是有的印象不是特别深刻了，这里主要举了自己印象比较深的例子，仅代表个人体验和情况，仅供参考。
• 在这里顺便推销一波自己的github：https://github.com/littletomatodonkey和个人博客：https://littletomatodonkey.github.io/，欢迎关注和讨论。

个人的准备与经验

• 因为课题不是计算机视觉相关，因此我在3月份的时候就开始刷题和准备找实习了。

数据结构和算法

• 我主要是用C++的，因此强推C++ primer，工具一般的书，主要是全，可以随意查找，当时从头到尾浏览一遍也是必不可少的；此外，Essential C++、Effective C++、More Effective C++都是很好的书籍，建议尽量都看一看。
• 刷题的话，我主要是在LeetCode上刷题，最开始没有定语言，所以用C#、java和C++都刷过，但是后来基本确定了用C++（还是希望自己的想法能和硬件结合并落地），一开始基本上都是不会，就不断地看题解，去理解，后来就慢慢能习惯了（知道了题目的大概套路）。我建议在刷题的过程中，一开始毫无头绪的时候可以看题解，但是同一类型的看了一些之后，就需要自己去尝试解决，但是对于很难的问题，比如说可能半天或者一天都没解决，那可以看看题解（不然太耽误时间了…）。这方面的书籍的话，推荐剑指offer、编程珠玑，都是非常经典的书籍。
• 看书的话，建议还是算法导论，看起来内容和公式都很多，但是不管看不看懂，个人认为还是需要有个大概的了解的，之后再刷题的时候遇到对应的算法，再去具体翻对应的章节，一遍看不懂就找博客看，然后再去看书上的描述，多看几遍一般没问题（我动态规划那一块好像看了10来遍…自己太菜了）。

CV相关

• 最开始我找的是机器学习算法工程师，所以西瓜书看了两遍（有些公式也是一直没搞懂），后来发现虽然转到了cv，但是像LR、SVM、RF这些很常用的机器学习算法在视觉中应用的也非常广泛，对于面试也很有帮助，包括李航老师的统计学习方法，因为比较精简，我在面试之前也基本都是翻一翻。
• CV方面的话，特别是CNN相关的，首推还是花书，很全面系统，虽然公式也是很多。
• CV从分类、检测、识别到分割、跟踪、场景理解任务，都有很多经典的论文，建议先看一下经典论文，对一些有源码的，建议跑一下源码，看一下具体的代码结构和实现细节，稍微有一些经验之后，可以尝试去复现一些比较经典的模型结构或者论文，一方面可以让自己增加对论文的理解，另一方面也可以更熟悉编程语言和工具。数据集一开始可能有的比较难下载，可以从mnist或者cifar入手，之后再去跑Pascal VOC或者cityscapes等数据集。当然，如果在自己的项目中可以找到一些结合的点，还是建议自己实践一下，给自己定个小目标，比如说发一篇论文或者专利等，这样一方面可以对整个流程更加熟悉，从问题分析与模型构建，再到数据采集和处理、模型编程实现、调试、优化，到最后的成文，感觉对问题分析能力、代码能力和论文撰写能力都会有很大的提升，同时给自己定个目标也可以不断push自己。
• 关于工具和开发流程的话，建议还是选一套自己最熟悉和喜欢的，我个人对于开发的话，平时调试和快速实现时，用python和matlab比较多，到最后需要部署或者上线的话，一般还是会转成C++；对于编程工具的话，jupyter notebook、sublime text、VS这些还是用的比较多的；对于常用库的话，python一些常用的数值分析库、opencv、mxnet、tensorflow这些都是比较常用的；关于编程的平台，个人还是建议在linux下开展。
• 关于机器学习和计算机视觉方面的书籍，其实感觉还是多翻翻，可能是自己不是科班的，总觉得缺点什么，秋招准备过程中翻了：机器学习实战、python机器学习、tensorflow实战、视觉机器学习20讲、python计算机视觉编程、caffe深度学习等，最后发现其实大多都很类似。

项目

• 如果课题与工作方向相关，建议定个小目标，比如说完成某个任务，然后发一篇论文或者专利之类的；如果无关的话，建议可以去kaggle或者天池上找一些比赛做一下，但是重点在学习，自己做之后，再和别人的思路和方法做一些对比，丰富自己的项目经验。

实习面经

大疆

• 这是我最开始投的公司，投的是机器学习算法工程师，但是因为自己当时还没有怎么准备秋招，笔试就挂了，所以之后又补了大量关于深度学习和CV相关的基础知识，发现以前真的是看的太粗浅了，很多细节都忽略了。

阿里（一面挂）

• 阿里是当时找实习的时候投的，后来面试跪了，在秋招的时候笔试就没过2333。下面主要是实习的时候的面经。
• LR了解吗？说一下它的loss function，使用极大似然估计说明一下loss function。
• 说一下自己的天池的项目，用到的随机森林，说一下工作原理，怎么选择分支的节点的，loss function是什么，RF有哪些超参数需要调节，怎么选择RF中的样本特征，超参数怎么调节的，怎么将LSTM/RNN与RF中得到的特征进行结合的
• 还有没有其他改进预测效果的思路
• 结构化道路提取的过程中，怎么结合多种机器学习方法的？怎么处理图像噪声干扰的？
• 体验：感觉很在意细节，主要还是希望面试者对做过的东西非常熟悉吧，当时我也很清楚自己没有达到他们的要求。。。

腾讯（一面挂）

• 做一下自我简介(项目等)
• 说一下结构化道路提取的整个过程，怎么将各种机器学习算法结合在一起的
• 结构化道路提取时，图像噪声怎么去除的，同时怎么去除去除噪声的？有没有考虑使用边缘信息？
• 写一道编程题：把一个二叉树按照中序遍历的方式转化为双链表。
• 总结：这也是找实习的时候面试的，感觉项目方面回答的还不错，但是编程题没写出来，直接就挂了，后来秋招笔试也挂了。。

京东

• 这也是找实习的时候面试的，连续面了2个半小时，猝不及防，也是挂了。
• 感觉京东当时在C/C++基础方面问的比较多，面试官说项目比较缺人，希望面试通过的话可以立即入职输出。

一面

• 自我介绍
• 说一下C/C++中static的用法
• 定义一个函数指针的数组
• 做几道编程题：链表的顺序变换，贪心算法

二面

• 说一下对机器学习的理解(宏观的理解)
• 其实还有半监督学习，DL、RL等，（翻了我的博客）说一下对RL和auto-encoder的理解(我只是记过笔记，没有深入研究。。。)
• 说一下你理解的随机森林
• 推导一下LR的loss function
• bagging的全称是什么，除了SGD，还有哪些迭代优化的方法？(牛顿法之类的，我又没答上来。。。

三面

• 介绍hashmap，在用户和开发人员之间怎么去定义接口。
• 定义并实现链表的基本操作。

地平线

• 这是当时找实习的时候面的，后来给了转正offer，也算是秋招第一个offer吧，感激。
• 推导KCF。
• 推导SVM与BP，写一下LR的loss function。
• 说一下自己对目标检测与跟踪这方面的理解，自己使用过哪些算法等。
• 算法题：排序，找到数组中的重复数字。

秋招面经

roadstar.ai

• 体验：问的问题很有深度，在写代码时，也会非常注重细节。

一面

• 说一下KCF项目里面主要用的平台，有哪些硬件设备，自己做的这个部分的输入输出是什么，检测用的模型是什么。
• 针对跟踪丢失的问题，目前有什么比较好的解决方案
• 项目中多目标跟踪过程中主要算法流程和使用的方法，运动估计说一下。
• 怎么去解决远场景中的物体的跟踪不准确、噪声较大的问题。
• 多目标跟踪使用的算法平台。

二面

• 说一下语义分割的key factor：我自己说了data augmentation、转置卷积、孔洞卷积、encoder-decoder，面试官说他做过这个，主要有以下几个key factor：data augmentation、batch size要设置得大一些（resize或者crop减少一张图像的大小）、OHEM（我自己用的focal loss，但是他说focal loss效果不明显）。
• 说一下KCF
• 说一下SVM、KKT条件。
• 有什么想要了解的

三面四面

• 这是两轮coding，主要也是dfs+剪枝相关的思路，包括双向链表类的实现、不使用虚函数实现多态等，感觉网上都找不到类似的例子。

依图科技

• 体验：依图科技的面试真的很难。。。但是面试官给人的印象还是很好的。

一面

• 主要是说项目相关的，因为面试官在cv方向做得稍微少一些，所以写了一道编程题，就是生成一个有规律的矩阵，如下图，就不做解释了。

  1 2 6 7
  3 5 8 11
  4 9 10 12

• 分析了一个关于数论的题目，题目太长，有点记不太清了，反正最后没写出来。。

• 项目的话，因为面试官没做过，所以问了指标相关的问题，然而我的项目里面并没有groundtruth。。。。感觉之后这一轮很迷，我好多都没答上来，竟然还过了。。。

二面

• 项目，主要是多目标跟踪的流程介绍。
• 视频分割加速的原因和做法（单帧估计的跳变以及速度较慢）
  8 写了2道编程题，有一道是找到一个树中的没有直接父子节点关系的一个集合，求满足这样条件的集合的节点和（每个节点都有一个值）的最大值，还有一道忘了。。。

三面

• 手推一下kcf（还好提前看了一下。。。）
• 说一下基于检测的多目标跟踪和kcf的一些异同点
• 介绍一下其他的项目
• 代码题：先说思路，再开始写，具体的题目给忘了。。。
• 介绍一下自己做项目的时候主要用到的框架和开发环境等。
• C++容器和时间复杂度、继承和多态、虚函数。
• 说一下自己感兴趣的方向。

百度

一面

• 说一下目标检测的基本框架，为什么RPN是有用的，one stage与two stage的区别。
• 编程：字符串解析，写了3道题，感觉主要是考察hashmap和C++的使用。
• 语义分割常用模型，语义分割应该怎么做才能提升效果。

二面

• 2道编程题，也是字符串解析，主要还是hashmap+细心即可。
• hashmap在设计和使用的过程中需要注意些什么。
• 推导一下？卡尔曼滤波（项目中用到的）和SVM，说一下SVM中对偶问题和KKT条件。

三面

• 这一面主要是说一下宏观的东西，从自动驾驶的方案到自己做过的一些项目，自己负责的主要部分，都说的比较多，感觉面试官主要还是想知道自己有没有负责过完整的项目。

美团

一面

• 说一下语义分割的基本模型，然后写了2道算法题，感觉面试官对语义分割不太了解，可能他更偏向于自动驾驶的定位方向吧，所以没有问太多时间。

二面

• 推导KCF，说一下匈牙利算法是怎么匹配的，写了1道编程题，数组相关的。

三面

• 手写连通区域分析算法，写完之后问有没有改进方法，我没有答上来（之前觉得两遍扫描法是最优解来着）。
• 说一下多目标跟踪在误匹配、跟丢等异常情况下的处理。

海康

• 海康总共就一轮技术面试，没想到比较幸运，第二天又加面了一轮。

一面

• 语义分割模型，说一下fcn、segnet、unet、deeplab。
• 矩形IOU计算，任意旋转的矩形的IOU计算（这个当时没有想出来）。

加面

• 主要就是偏宏观的东西，自己做过的项目现在重新做，有什么可以改进的地方，自己之前做过的没在简历上写的东西等。

虹软

一面

• 各种逻辑题和代码题，代码主要是堆栈之类的使用。

二面

• 推导SVM。
• 说一下RCNN流派物体检测，训练方法以及一些细节。
• deeplab系列都介绍一下。
• 多目标跟踪中针对异常情况的解决方案。
• 项目中多线程的模块设计方案。

图森

• 这个之前写过一个总结：https://blog.csdn.net/u012526003/article/details/82888742

总结

• 做过的东西一定要非常清楚，从公式到优缺点，到改进方案等。
• 简历很重要，一定要花心思去做，可以找靠谱的师兄师姐帮忙把关。
• 千万不能浮躁，很多算法我第一遍没看懂，后来多看几遍好像也都差不多理解了（当然也都是一些比较常用的算法）。
• 自己最心仪的公司一定不要贸然去面试，一定要做好充足的准备，可以先拿不太想去的公司练练手（虽然好像有些不厚道）。
• 基础知识很重要，基本知识的公式推导和概念一定要知道，常用的模型及其优缺点要了解。
• 建议在准备秋招的时候多看看一些新的比较好的论文，对一些前沿性的工作要有一些了解，有些面试官如果对你很感兴趣，会问的比较多，在简历上的东西已经十分熟悉的情况下（保证深度），自己的知识体系也要尽量广一些。