【计算机视觉算法岗回馈牛客】春招+秋招面经总结
背景:985本硕,计算机视觉算法岗,自我定位为中下等水平,这几个月的目标就是能在观望神仙打架的同时争取到一个属于自己的还可以的offer。
目前还没有完全结束,等结果中。
从春招找实习到秋招找工作,辛勤几个月,在此只把记录完整的且比较有意义的面经分享出来,希望能帮助到一些学弟学妹们。
另外,一些学习笔记上传到了这里:https://github.com/jxingm/Interview-Notes ,大家可自取。
(多数都没有区分是几面,主要是把问题拎出来了)
OPPO
- 自我介绍
- 讲一下传统算法的项目 (第一个对传统那么感兴趣的面试官)
- 再讲一个做过的传统图像处理的项目
- 讲一下LBP算子
- 知道哪些特征
- svm分类提的什么特征
- 讲一下深度学习的项目
- 网络做了哪些改进
- 有什么要问我的 问了做什么的
- 传统和深度学习 你更偏向哪一方面
VIVO
- 自我介绍
- 选一个项目讲一下
- 你做了哪些工作,哪些改进?
- FC为什么可以降维,全局平均池化怎么实现
- 卷积的物理意义是什么
- 手写傅里叶变换
- c++构造函数的作用,什么时候用
- 析构函数的作用,析构函数要什么形式,为什么要虚函数
- 变量的内存存储在什么地方
- 面向对象的特点,多态是什么意思,怎么实现
- 虚函数的作用
- 线程
- 人脸检测用什么特征
阿里巴巴
一面
- 自我介绍
- 介绍一个项目,非常详细地问
- 有没有落地
- pix2pix生成器判别器怎么设计的
- 网格效应
- patchgan的解释
- 你觉得patchgan的效果怎么样
- 介绍一个比赛
- 你做的主要是什么
- 比赛的名次
- 有没有关注最新的目标检测算法
- Faster rcnn有没有设计anchor
- 介绍一下论文的创新点
- nms说一下过程,nms的改进,除了soft nms
- 用哪个框架比较多
- 算法题,一个矩阵,从左到右,从上到下是递增的,找第k小的数 (引导半天,用堆的方法,分析空间复杂度 O(k)~O(2k))
- 单链表判断是否有环,求环的长度
二面
- 实习项目 :针对关键问题详细深挖
- focal loss的设计和实现,从哪篇论文提出来的
- 多人关键点检测怎么做
- 线程与进程的区别
- 数据流的中位数
- top k,快排和堆各自的时间复杂度,快排怎么实现o(n)的,是平均复杂度还是最坏复杂度
海康威视
(印象深刻的一次面试之一,各个方面都要会)
- 卷积的作用
- 卷积和全连接层比的优点
- 正则化 L1正则和L2正则
- 动量类优化算法,Momentum的优点,Adam的优点
- 霍夫变换的原理
- 腐蚀膨胀 开运算闭运算
- 特征提取 HOG
- 三种图像插值 :最近邻插值 双线性插值 双三次插值
- 快排的时间复杂度
- 哈希表是怎么实现的,优点是什么
- 哈希冲突怎么解决
- 动态规划的思想
- 说一个项目或者刷题中用到动态规划的题目,怎么做的
- static关键字的作用 变量 函数 类内 类外 四个方面
- const的作用
- 引用和指针的区别
- const和宏的区别 define a=b 和 const a=b
- 讲一个项目
- 遇到问题怎么解决的
寒武纪
(印象深刻的一次面试之一,问的问题很奇怪)
- 老家是哪里
- 期望工作地点 深圳上海西安选
- 你做一个项目大概的周期和时间分布是怎么样的
- 数据 模型 优化等各占多少
- 如果第二轮优化,又要占多长时间
- 做比赛遇到的最大难题 怎么解决的
- c++代码量是多少
- 传统图像处理 膨胀腐蚀
- sigmoid的数学形式
华为
- 自我介绍
- 讲项目(简历上的所有项目都会问)
蘑菇街
- 自我介绍
- 开始讲项目
- 网络怎么改进的,损失函数怎么改进的
- 数据方面的问题
- 最后你们比赛的成绩是多少
- 讲另一个项目,针对关键问题提问
- 论文:讲的什么内容,做了哪些改进,融合了什么特征,与其他哪些分割方法做了实验对比
- 知道哪些分割算法
- 编程题 10-15分钟
- 贝叶斯公式
- 朴素贝叶斯
- 深度学习框架用过哪些
- 团队比赛怎么分工
商汤科技
- 自我介绍
- 小目标检测有哪些好的方法
- WGAN 有没有分析GAN的问题
- 比赛跟前几名的差距
- 代码nms,含类别的,猫和狗两类是分开做nms吗?
- 代码 psnr
- c++ 构造函数和析构函数是干嘛的,如果 在main函数外创建对象,先执行构造函数还是先执行main函数
- 类内如果没有使用delete,为什么会出现内存泄漏
- 指针在内存中的存储形式是什么
- c++ 存一个二维数组,都会存什么信息 除了元素外 会存列指针
- python list和tuple的区别 为什么一个可变一个不可变
- 写过cuda吗
- Faster rcnn中roi pooling是怎么做的
- 参数量 计算量 dwconv的参数量
- 为什么dw可以work
- 用过mask rcnn做检测吗
- focal loss的理解
搜狐
- static 静态函数 静态变量解释解释
- const放在不同的位置,意义是什么
- c++多态 解释
- c++继承 解释
- python 生成器
- svm说说,有哪些核函数,核函数怎么选
- 决策树说说,ID3 C4.5区别
- 集成学习 bagging boosting区别,dropout属于哪种?
- 有哪些激活函数,作用是什么?
- 常用的优化方法? 解释一下Adam怎么好
- rcnn fast-rcnn faster-rcnn区别
- 机器学习中 “距离”的概念 知道哪几种距离?
- 人脸识别是怎么做的?有哪些人脸识别算法
- 快排思路 复杂度 最坏情况?
- 堆排序
- 自然语言处理有了解吗
腾讯
1.自我介绍
2.都是图像相关吗?有没有做过其他的?
3.挑一个项目介绍一下
4.人脸识别算法什么原理,遇到什么问题?怎么解决的?
5.传统方法和深度学习有什么区别?
6.说一下目标检测有哪些网络?挑一个说一下
7.为什么要有激活函数?
8.了解/用过哪些优化算法
9.tenorflow用过吗
10.机器学习 广告点击率预测怎么做?怎么特征选择?
11.word2vec什么原理?
12.概率题 有12张生肖卡,每个人吃一顿饭集齐一张,平均吃多少顿能全部集齐?
13.gbdt xgboost熟悉不
14.一个整数数组,找最右边数与最左边数的最大差值 贪心
15.说一下c++的虚函数
16.说一下智能指针,怎么实现的自动释放内存?
2.都是图像相关吗?有没有做过其他的?
3.挑一个项目介绍一下
4.人脸识别算法什么原理,遇到什么问题?怎么解决的?
5.传统方法和深度学习有什么区别?
6.说一下目标检测有哪些网络?挑一个说一下
7.为什么要有激活函数?
8.了解/用过哪些优化算法
9.tenorflow用过吗
10.机器学习 广告点击率预测怎么做?怎么特征选择?
11.word2vec什么原理?
12.概率题 有12张生肖卡,每个人吃一顿饭集齐一张,平均吃多少顿能全部集齐?
13.gbdt xgboost熟悉不
14.一个整数数组,找最右边数与最左边数的最大差值 贪心
15.说一下c++的虚函数
16.说一下智能指针,怎么实现的自动释放内存?
- 自我介绍
- 最近的一个项目
- 网络训练了多长时间? early stopping怎么做的?
- 网络的输入和输出是什么?
- 用的什么损失函数? 损失函数是干什么的? 有哪些损失函数?
- 最大似然估计和贝叶斯估计的区别?
- 论文是什么方法?
- c++还是python用的多? weak_ptr是干什么的?
- 遇到的最大的困难和挑战是什么?怎么解决的
- 实验室让实习吗?
- 有什么问我的
网易互娱
- 自我介绍
- 先讲一下项目
- 基础知识: 随机梯度下降和牛顿法,梯度消失和梯度爆炸,池化层的反向传播
- Depthwise 卷积实际速度与理论速度差距较大,解释原因
- 算法:算一个数的平方根
- 讲你参与度最高的项目 (背景 问题 方法 效果)
- 解决过拟合的方法
- 怎么理解dropout能减少过拟合
- 遇到数据类别不平衡有什么办法
- 用过哪些网络
- 机器学习了解什么
- LR和SVM的区别
- 怎么理解SVM核函数 以及如何选取核函数
- 构造函数可不可以是虚函数
- 如何判断一个由二进制串表示的数对3取模的结果
小米
- 项目
- 说一下WGAN
- StarGAN
- c++ 虚函数
- 引用和指针的区别,引用占内存空间吗
- super的作用,解决了什么问题,为什么
- python list去重
- c++ list去重
- 一个有序数组,取绝对值之后,返回不重复元素的个数
- 为什么resnet能做到那么深?
总结
- 无论是春招还是秋招,最好能在面试全面开始之前,得到几次面试练手的机会,并用心总结。
- 项目,各方面基础知识,写代码题,这三大方面都很重要,虽然说不同的公司不同的面试各有侧重,但在我今年的面试体验来看,啥都得会,有一个弱项都基本凉。当然也许有顶会有大厂实习的同学的面试体验是不同的,我就不知道啦。
- 现场面试的通过率一般高于远程线上面试。
- 面试时要自信,被问到不会的点一般两种选择:一是直接说不会,没接触过;二是马上往会的方向引导。怎么做视情况而定。
- 虽然说菜是原罪,但也有那么一些情况不是自己能把握的,所以失败之后是鞭策自己还是安慰自己,要做好这个平衡。
- 秋招开始的时间越来越早,我个人很不喜欢这种节奏,战线拉得越来越长越来越满,后期非常容易疲倦。但是,这不是我们能决定的,所以只能尽早做好准备。
等我的结果出来三方签完,秋招真正结束之后,我想大概会写一篇吧啦吧啦的秋招感想,毕竟这几个月是非常难忘的一段历程,看我的心情吧哈哈。
祝愿我们都有好结果😊