2020校招cv算法岗面试经历总结

1.商汤
一面 1.25 主要是聊得项目，云从科技小目标人脸的，代码题为nms
二面 2.15 主要是代码 代码题 sgd拟合一条曲线wx+b，主要考察链式求导法则。非递减旋转数组求m的最小索引。需要递归
挂的原因：未知，运气太差，就当攒人品吧
2.海康威视
一面 3.8 主要介绍的项目，SEnet的机制有什么作用。这个没答上来，凡是简历中的或者自己说的，一定要准备好，不能乱说。
还有一个就是数据增强并不能解决数据不平衡的问题。感觉这次面试发挥的不是很好，就当吸取教训吧，还是要充分准备，认真对待每一场面试
3.飞步科技
一面 3.20 主要是项目，问了一个mAP的概念，被垃圾博客坑了。。。。。
二面 3.27 一道代码题，没听懂面试官说的啥，nums数组，要求nums[i]和nums[j]的值在t范围内，同时j和i的距离不超过k。
另外两道智力题。
如何用1维的均匀分布在球面上生成均匀分布（答：半径，α，β分别生成）。
第二道是 if a>0 return a else 0.不用if实现。（答：(a+|a|)/2）
4.腾讯光子实验室
聊项目
sift hog不会。。。有个直方图会的，我忘了说了
可视化，热力图看激活值的分布。
embedding机制和思想
二面：聊项目，开放性问题比较多，单阶段双阶段目标检测的使用心得。面试官感觉很水，东问西问的。
数据不平衡问题怎么解决，loss对比
5.阿里菜鸟
一面 3.27：
聊项目。
对于人脸和钢筋有没有考虑用别的思路做。人头用了哪些算法，其实是一个迁移的问题（人脸迁移人头）。
svm核心思想，核函数有哪些。
农作物比赛的训练步骤，级联的loss怎么取，训练学习率怎么设置，decay怎么设置。
振动信号为什么不用RNN
课题组做什么，cnn处理振动信号效果怎么样
pytorch怎么固定参数的梯度，有点忘，with torch.no_grad()
pytorch如何可视化。visdom
怎样导入模型参数，名字
二面 4.7：
聊项目
人脸IoU其实最小的人脸来说，会匹配iou最大的值的
max_in_out的合理性
focalloss的有效性，为什么有效，数据增强还有哪些方法。
yolo FasterRCNN ssd的anchor预设生成方法看一下。
模型融合其实还有很多trick可以做，根据验证集设置不同的权重参数，选取更好的参数。
fasterRCNN特征上的点对应多大感受野。
3×3的卷积的感受野对最大的anchor不够，怎么理解
FPN如何将不同的gtbox分配到不同的层。
ROIAlign针对RoIPooling的有效性，每个点还是当前的位置。
小尺度目标还有什么解决方法
3面 5.8：
为什么要做计算机视觉，贬低了课题组，计算机视觉更有挑战性。
论文和应用最大的gap是啥。
都是开放性的问题。
还是会问课题组主要做什么。
6.依图
一面二面 3.29：
一面：聊项目，撕代码，1矩阵s形生成，太难了没做出来2两个很长的数相乘，int会溢出，让用string做
二面：自我介绍完直接撕代码，卧槽，给定a，求是否存在x满足a*x=11111（可以无数个1）。看余数做。面试官提示了好久才反应过来。最后聊了打比赛技巧。用测试集inference（提高阈值）的结果当标签进行finetune。
撕代码还是要多动手啊，不能空想，写写找思路
7.华为
全程划水，什么是yolo，什么是fsrcnn，这种题最好是练习一下。
8.拼多多
4.23一面：rpn和ssd有区别吗
cnn的计算量和参数量
代码问题是黄金的买入卖出
nms在多类别上是怎么做的，对每类进行一个排序，这个回答错了，确实没有注意到

不足：

1，实验室项目细节方面练一下,
2，农作物和钢筋的细节，尤其是钢筋。

秋招

6.15vivo提前批
面试官很不友好，自己还是要谦逊一些，碰到傻逼面试官别急眼。
1.讲项目的时候首先讲一下项目的背景，时间，分工之类的，说baseline的时候对比为什么选择这个算法，优点
2.分清楚自己要说的重点是什么，别被傻逼面试官影响，说完他的问题没必要再详细展开，还是要按照自己的主线来说，防止跑偏
3.说一下对cnn和池化的理解，cnn共享卷积，局部特征。
4.解决过拟合的方法
5.梯度消失问题的解决方法 relu，换网络，辅助分类器
6.实习时候模型怎么部署到应用侧，主要是提供接口吧
7.说一下比较熟悉的3个目标检测的算法（感觉这里还有可以加强的地方，说的系统条理一些）
8.有没有了解最前沿的算法
9.针对新的领域怎么去学习的，自己平时怎么学习的。
面试这种东西还是随缘，碰到奇葩面试官要随机应变，别被影响。
7.3华为提前批
1.割绳子没写出来，真是尴尬，可见自己的代码很有问题。
2.还是要谦虚，别飘啊
字节跳动AILAB提前批
一面7.17
1.线程和进程
2.编译原理
3.队列和栈的区别
4.pytorch和tensoflow，动态图和静态图
5.缓解过拟合的方法
6.项目里的问题，比较常规
7.代码，图像的差值，最近邻差值，resize，然后顺时针旋转90度
二面7.22
1.项目
2.代码：找出数组里的任意峰值，O（n）优化算法复杂度。可以二分法优化到O（logn），最长不重复字符串。
3.缓解过拟合的方法。
三面7.26
1.实习经历，主要讲创新点
2.小目标检测一般有哪些trick
3.smoothl1loss的好处
4.1000万的视频，每个视频3-5分钟，对每个视频提取怎样的特征作为他的index？来了一个新视频，如何确定视频在1000万个中是否存在？
5.多个文件包含多个浮点数，生成一个文件并对浮点数排序。文件内快排，文件之间堆排序。
依图转正面试0730
上来先写一个代码，傻逼了，考虑错boundary case了，剩下的就是聊在依图做的项目
顺丰科技
一面.7.30
主要是聊项目，问了RoIAlign比RoIPooling好在哪，ssd有哪些点可以改进，anchorbased目标检测比直接回归好在哪里，hourglass的encoder和decoder操作有什么好处。
python，传入参数是浅层拷贝还是深层拷贝，args和kwargs的区别
云从科技
一面8.1
挺水的，问了，但都忘了。。。。。
有个代码题，一个数组，返回数组中三个元素相乘的最大乘积
二面8.13
1最大子串和
2conv（feature，kernal） = W×X，就是将卷积通过两个矩阵相乘的方式实现，img_to_col。
3BN在inference的时候加速。
巨人网络
一面8.2
比较水，对比yolo，ssd和FasterRCNN。
机器学习的，问了adaboost的原理，adaboost和xgboost的区别
智力题，给一个大圆盘，交替往大圆盘放圆形的硬币，不重合放，最后放不下的输然后AB两个人，A定先后顺序，使A赢
2面8.16
1.项目介绍
2.画pyramidbox的结构
3.感知野怎么计算，这个需要补一下
4.gn是怎么实现的，写出来。需要再看一下论文，然后预细节
5.max-in-out的策略，为什么5个好，有没有统计五个通道激活值的情况，然后统计激活值是一个常见的debug方式，学到了。
6.reploss，写一下。
7.如何判断是调参的效果还是算法的效果，多看几轮，统一看轮数。
8.人脸的遮挡如何解决
9.代码题，最长公共子序列。
10.什么是falsepostive。
11.写一下smoothl1，有什么好处
总体上是一次水平比较高的面试，问了很多训练的细节。以及原理方面的东西。我好像有失忆症，问了好多，但是都想不起来了。
3面0826 hr面
算是秋招第一次面hr面，问的问题也比较多，记录一下。
1.什么时候开始学习ai，如何学，为什么要学。
2.依图的工作流程，在依图工作遇到最大的问题是什么，举例说明，你在依图哪个部门。
3.自己的优点和缺点，举例说明
4.为什么要投巨人网络。
5.有哪些offer，巨人和你拿到offer的公司你会怎么选，巨人有什么优势。
6.期望薪资，为什么
7.父母对你工作什么观点
8.你的成绩怎么样，你觉得你在同龄人中怎么样。
优缺点，以及遇到最大的困难，这都是常规问题。以及你面试的公司的优势，这个应该也是常规问题，但是我第一次被问到，需要再想想怎么回答比较好。
海康威视
一面8.2
问的项目，
最后问了一个开放性的问题，当前目标检测还有哪些可以改进的点。或者制约目标检测发展最大的难题是什么
现场面：8.28
一面：
为什么深度学习模型需要大量数据进行训练。
二面：
最难得选择有什么。
图森未来
一面8.7
下午一面，大概问了70分钟，感受很棒，面完之后收获好多。
1.模型加速的方法：答：network pruning和dw conv，简单介绍了一下shufflenet和mobilenet的思路
2.recall和Fa的理解，重新改变softmax在0附近和1附近的值，对评价标准有没有影响：答：没有，顺序不变就没影响
3.项目中如果改为多标签分类，label怎么设置。答：设置soft label
项目中的mask图怎么加入的，为什么这么做，这个以后介绍的时候可以讲自己设置过对比试验，比较mask图的加法。
4.关键点检测，heatmap中对于极大值和次大值，如何操作：答：偏移1/4
如果直接回归坐标，应该怎么做，装作想了半天，其实不会，给我介绍了soft argmax。并且介绍了HRnet，让我试一下，这两个都需要了解一下。
5.focalloss的本质，为什么这么做，为什么目标检测中提出，对分类真的有用吗，这个类似于开放性问题，交流了一下对于focalloss的理解，因为目标检测中一是类别不均衡，二是负例易分，所以focalloss有用，但是对于分类值得商讨。
对于类别不均衡还有那些常见的操作：答：dataaug，ohem
如果测试集和训练集分布一样的话，没必要做数据增强，因为网络可以学到数据分布。
6.CascadeRCNN的原理，本质解决了什么问题。
7.Reploss的思想
8.yolov2中聚类是怎么做的。
9.介绍一下人脸识别中max-in-out的策略，为什么这么做，本质是什么。
10.介绍一下GN的思想。和BN比的优势。BN归一化的是哪几维。BN在训练时怎么操作的。BN在inference的时候用到的mean和var怎么来的：类似于滑动平均，这个问题想了好久才想起来，论文太久时间没回顾了。BN在inference的时候怎么加速：权重合并。BN跨卡训练怎么保证相同的mean和var：这个不会，问了面试官是SYNC，哎呀，前两天在公司还看到过这个SYNC，还想查一下是干嘛的，没来得及查就被问到了，唉唉唉。
11.还问了网络参数的个数，
12.最后介绍了图森，在美国收入只有10万美元，尴尬，目前还是很难得，所谓的L4，是过拟合不同的道路场景，对于人，自行车和电瓶车的场景还是做不了。我们挑场景，难啊
要注重细节

大华
一面0809：
1.项目常规
2.cnn的参数和flops怎么计算
3.maxpooling的反向传播
二面0814：
1.项目讲了一下
2.cnn的参数和flops怎么计算
3.BN的前向公式
4.过拟合产生的原因，如何缓解过拟合。
第四范式
8.17
一面：
iou代码注意float
旋转数组找某个数返回索引。
svm的两个两点：核函数，支持向量
二面：
项目。问针对模型自己提出了那些新颖的改进。
nms手写。
大疆
8.18 一面
项目，
目标检测未来什么发展方向
对于一个实际落地的项目，应该具备什么
为什么我能胜任机器学习算法工程师
虹软
8.31
一面：
1.c++，不会
2.各种loss推导，逻辑斯蒂回归推导
3.记不清了，各种基础吧。
二面：
1.问项目，记不清了
2.box的优化，xywh分别是什么，为什么，这里答得不好
3.项目中用到的分割，FCN。fcn确实不熟悉，需要补一下论文
三面：hr面，没什么难题，就介绍虹软以及问了手里有哪些offer。