2022-03-19

自动驾驶 感知算法面经 1


欢迎关注公众号:内推君SIR,加微信:neituijunsir 加入自动驾驶交流群


Case1

1、有DaSiamRPN,SiamRPN++相比于SiamRPN的改进,如何解决了增加深度的问题

2、如何计算感受野

3、加速BN计算:将BN和Conv结合

4、多目标跟踪

5、BN的前向传播

Case2

1、根据第一个项目提问:为什么第一阶段检测出来的box不利用?为什么背景不聚类

2、根据第二个项目提问:提到2个2D数据concat,他们的位置是不一样的,这样直接concat有没有问题;问最后那个模块有没有和se比较

2、bn训练,测试区别,bn如何在inference是加速

3、如何解决前景背景数量不均衡(OHEM,focalloss,前景过采样,2stage模型)

4、一个类似多标签训练的问题,他的loss是怎么算

5、多路归并

6、average pooling操作,输入m*n输出m*n,kernel大小k*k。

7、线程,进程区别,python的线程和进程

8、ssh相关,什么如果网络断了,在服务器上跑的程序会怎么样,tmux原理

10、简历里用了一个fpn网络做检测,数据有什么样的特点,针对这些特点可以做哪些针对性的方案。

11、介绍下DetNet。

12、为什么你的角点回归不使用heatmap,而使用smoothl1坐标回归,为什么通常大家使用heatmap做关键点

13、ohem,到底比focalloss差在哪里了

14、non-local的时间复杂度,介绍下GCNet

15、求了几个感受野

Case3

1、目标检测相关:主要问到了改进的出发点以及改进前后性能对比,部署是否有限制,如何克服硬件条件优化等。

2、传统图像处理+深度学习相关:一个完整的应用项目,从项目由什么出发开始讲起,主要做了三种方案(差分+传统图像处理opencv调库及优化/ opencv调库+基于cpu的神经网络分类框架/ 完全使用目标检测方法),从各自的优劣,性能等等,如何去验证,最终的选择,提了几个现实场景的问题。

3、基于深度相机的避障系统:主要设计了一个策略模块对低矮障碍物避障,然后根据场景提问。

4、注意力机制的使用心得,插在哪里比较好怎么结合空间注意力等

5、NMS相关的优化

6、IOU相关优化(ciou,diou)等等

7、yolov5,讲了一下v5结构,改进点,核心概念

8、用到了mobilenet,问了下出发点怎么基于cpu去做的适配

9、模型从开发到部署的流程,踩了哪些坑等

Case4

1、MAE指标的具体做法。这样的指标针对小物体并不合理,那么如何弥补?

2、语义分割领域,了解什么模型?简述 deeplab 系列模型。

3、目标检测领域,YOLO 系列介绍,YOLO v1 设置了几个 anchor,每个 anchor 对应多大的感受野?

4、项目中最难的部分是什么,如何解决的?

5、python 中多线程的实现方式是共享内存的吗,用的什么接口?进程和线程的区别?

6、项目中的一些阈值是如何设置的?

7、手写 NMS。

Case5

1、如何解决少样本训练的难题

2、为什么使用半监督重采样方法就可以平衡样本,原理是什么,会产生很多伪标签,怎么解决

3、为什么选用HRNET,为什么使用top-down的方法,有没有使用检测的方法

4、平衡样本的其他方法

5、两种解决标注差异如何解决标签差异

6、有没有其他方法来改进姿态估计

7、结构化约束,focal loss,难样本挖掘

你可能感兴趣的:(2022-03-19)