图森未来感知组计算机视觉算法面经

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
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
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
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.网络参数量怎么计算
还问了一些项目中的问题，记不清了，能想起来的都写在上面了。
感受上问的问题都很细节，考察你是否真的做过，是否真的理解，收获还是很多的。
感觉参加图森的面试还是挺值的，即使不过也收获很多，毕竟自己太菜了，还是得多注重细节啊
更新，今天上午收到了拒信，唉，还是菜。继续努力吧