面试刷题-zzff

leetcode hot 100题型分类

1、动态规划:

背包问题 ：

0/1背包 leetcode 494 目标和 416 分割等和子集

完全背包:322零钱兑换

300最长递增子序列

2、字符串

异位分词、回文子串

3、回溯

394字符串解码

4、树

二叉树的距离（1-3）、重构二叉树、二叉搜索树变累加树、二叉树的右视图、二叉树的层序遍历、二叉树的深度

5、堆栈

每日温度、394字符串解码

6、指针

高频面试题

1、排序:快排、堆排序 排序算法(五)——堆排序算法详解及Python实现_勤奋的清风的博客-CSDN博客

2、连通域

3、股票问题

4、第k大数 ！！非常高频

Ⅱ、图像面试问题

一、概念

分组卷积--dw卷积：卷积核个数、参数量计算、好处

特征图尺寸计算

二、网络结构

1、yolo系列1，3 YOLO v3网络结构分析_太阳花的小绿豆的博客-CSDN博客_yolov3模型，4 YOLOv4网络详解_哔哩哔哩_bilibili  5.

yolo v5 解读，训练，复现_哔哩哔哩_bilibili

v3欧式距离损失；yolov5 损失函数:ciou损失(iou损失:1-iou)深入浅出Yolo系列之Yolov3&Yolov4&Yolov5&Yolox核心基础知识完整讲解 - 知乎

yolov5数据预处理:hsv(亮度、饱和度、色度)、平移、旋转、透视、垂切？masioc增强、等比例resize

FPN+PAN （yolov5 backbone）:内部主要模块为conv +c3+sppf

conv(conv-分组,bn,silu)

c3(c3源于CSP,CSP和denseNet对比)，c3比csp速度快

sppF(sppf 起源于spp),比spp速度更快(不同尺度maxpool并行改串行)

非极大值抑制 ：作业解读CNN3:YOLO non-max suppression_哔哩哔哩_bilibili

边框预测：

检测：rcnn fast-rcnn faster-rcnn 网络结构、特点、相比之前的优化、预测点如何变成实际点

1.1Faster RCNN理论合集_哔哩哔哩_bilibili

检测如何优化小目标

识别：transformer

分类:resnet

关键点:mobilenet

柔和损失函数：二次指数平滑

蒸馏损失函数：kl 散度损失+ 特征损失

二维三位点估计方法：3DMM 构建三维人脸

gan损失函数:深度学习-生成式对抗网络实战

文本检测:DBNet

retinaface

AGW_baseline:

论文阅读13 | AGW: A New Baseline for Single-/Cross-Modality Re-ID_Hygge MrYang的博客-CSDN博客

行为识别tsn:

【视频行为识别6】TSN(Temporal Segment Network—ECCV2016_超级无敌陈大佬的跟班的博客-CSDN博客_tsn行为识别

retinaface - 人脸检测网络解析 - 知乎

三、训练概念

激活函数：relu/silu

训练流程：

学习率修改方式：余弦退火学习率(Cosine Annealing LR) 、固定batch乘系数更新、

网络初始化方式（nice！）：kaiming初始化神经网络参数初始化方法_十三吖的博客-CSDN博客_神经网络权重初始化方法

BN作用(两个可学习参数的作用)：BN层的主要作用_Jiliang.Li的博客-CSDN博客_bn层的作用

 BN的作用_junjian Li的博客-CSDN博客_bn的作用

BN的作用_junjian Li的博客-CSDN博客_bn的作用  (认真仔细读一遍)

传统机器学习方法

梯度反传(手写)

kmeans 原理 svm 原理

四、各公司面试题:

头条

faster rcnn :基本结构、roi pooling 和 roi  align 的区别 、 resnet 残差结构的详细组合、mobilenet:可分离卷积的特点。

面试题：课程表   最长递升子序列(两层动态规划)

二叉树相加

两个有序数组的中位数

快手

京东

百度

新浪

Boss

好未来

猿辅导 : 双线性插值原理？，opencv 源码：resize原理  yolov4和yolov5的差异   v2和v3的差异  arcface 的网络结构的亮点  

分割：回文子串（保证顺序一致，不能先一个再两个）

腾讯

微软

bigo

乘积最大子数组、yolov5数据预处理(马赛克边框超出边界如何处理:会把坐标从边界往下移动一点)，检测如何区分正负样本作业解读CNN3:YOLO non-max suppression_哔哩哔哩_bilibili

，共有几个损失函数，分别得作用，具体使用的函数种类：框定位损失[iou->giou->Diou->ciou]+类别损失[使用的二值交叉熵损失：对每个类别直接应用交叉熵，所以类别概率之和不为1，可能一个anchor 即是猫又是豹子]+目标损失(该anchor内是否有目标，[0,1])3.1 YOLO系列理论合集(YOLOv1~v3)_哔哩哔哩_bilibili。

阿里

美团

小米

华为

1、2，123456789 abc 8个字符为一组，按照顺序，输出 12345678 90000000 abc00000

2、计算司机接客最优时间，输入4行数字，第一行为司机距离乘客的距离，第二行为红绿灯个数(50%的概率遇到红灯，红灯的拥堵时间为15s)，第三行为拥堵路段距离（正常路段速度  10m/s    拥堵路段2m/s），第四行为司机评价质量(越高约好)。在[T,T+60)时间内选择评价质量更高的公司

荣耀

1、项目：检测如何做到大小目标检测样本均衡(修改anchor尺寸):

transformer里面的qkv 如何用的:x为768维特征，用nn.Linear() 讲通道变为3倍，再reshape,分为3个q k v相当于自监督。

2、c++ 重写 重载(覆盖)的区别：C++中重载、重写（覆盖）和隐藏的区别_走过_冬天的博客-CSDN博客_重载重写隐藏的区别

3、如何获取图像的边缘(高斯滤波器、sobel滤波器)---直方图均衡

Sobel滤波器 - 简书

高斯低通和高斯高通滤波器_JaxonChan的博客-CSDN博客_高斯高通滤波器

数字图像处理(17): 直方图均衡化处理_TechArtisan6的博客-CSDN博客_数字图像直方图均衡化步骤
边缘检测：Canny算子,Sobel算子,Laplace算子 - 追风的小蚂蚁 - 博客园

4、 ADAM相对于SGD做的优化

深度学习最全优化方法总结比较（SGD，Adagrad，Adadelta，Adam，Adamax，Nadam） - 知乎

4、数组和链表的区别5、冒泡、快排时间复杂度

6、哈希用什么结构实现的：hashmap 的底层数据结构:数组+链表

7、数据结构：堆排序，取第k个最大值。

高途

完美世界

蔚来

问项目，三维角度估计的细节，

用python 写出map   Iou  (不能使用for循环  使用矩阵操作)

问项目

代码:

a.txt b.txt   找出两个文件差异的行  代码 linux  

Map 用代码实现  一个predict 一个 gt  ？？

Iou用代码实现 predict是单个框  gt 是多个框  ？？

网易

vivo

oppo ：面试比较简单，聊项目，没有代码。

问项目

小红书：使用的方法太老了，文字识别：rcnn 方法尝试？ 人脸识别 ：新的损失尝试？

搜索二维矩阵

360

大疆

小鹏

soul

B站

链家

滴滴：问项目，传统机器学习：gbdt ，

题目：连续最大子序列的和

五、项目回顾

1、漫画：

采用resnet152->transformer(当在中等规模数据集训练时发现模型精确度比同规模ResNet低几个百分点，这是因为Transformer缺乏CNN固有的归纳偏置（inducive bias）。因此数据量不足时不能很好的概括)->将resnet和transformer相结合