美团，网易，携程，海康，华为 算法（视觉）实习面经
在3月底连续面了三大厂之后，很丧气的颓了一周，然后又开始慢慢的学习，一边看计算机的基础知识，因为觉得可能转开发要用，一边准备面试，从中旬开始，连着三四周，每周好几场面试和笔试，基础知识也复习的断断续续的
4月底开始到现在也浪费了很多时间，希望自己后面的两三个月以好好加油
早准备是没有错的
总结我牛客上所有的面经看下来就一个感受，需要对简历上做过的，或者已有的内容有着深入的思考和理解，有想法，难点，创新点，做过的尝试，然后这个领域内的知识等等，同时基础知识也要非常的扎实
下面把面经分享给大家，希望对大家有帮助（涉及到我项目的内容感觉参考意义不大，因为大家的都不同，就部分略过）
美团 一面
自我介绍
检测的方法，我用的什么方法，怎么生成bounding box，没有考虑速度的问题吗？
了解过什么其它的检测的算法吗？
弱监督方法的定义？那已经有标签，再给一些标签的方法有用吗？我说有用，刚好又看了一篇文章NIPS的文章
识别的方法懂吗？你觉得细粒度分类何普通的分类比较有什么区别呢？
算法题：删除一个排序数组的重复项
美团 二面
量化的项目，我是怎么做量化的？如果量化的效果不好，我是怎么改进的？这个有改进吗？
介绍弱监督的文章
类似算法开发的工作
网易雷火一面
自我介绍
讲论文，我的场景，在什么的基础上，我做了什么，效果怎么样，数据集的规模是怎么样，用的Loss是什么
为什么两个重分类分支融合的不做bagging和boosting，两个概念的本质上是什么意思，为什么效果会变好呢？，boosting为什么多个分类器合在一起效果就变好了？
携程 一面
自我介绍
在研究生期间做的内容是什么？
人脸检测和识别选择的算法，选择的原因，arcface的理解，为什么arcface用那样的方法？
mtcnn和ssd，ssd对大的目标还是小的目标效果更好，用到人头上有什么局限，我为什么要选择它？
对人脸的检索有什么研究吗？我说没有....
我对人头领域的理解，人头检测领域还存在什么问题？
对BN和过拟合的理解和细节
携程 二面
第一个项目，算法是怎么做的，mtcnn原理介绍， 训练时候，数据是怎么清洗，整理，加载的。问量化，量化是怎么做的，我量化的时候需要考虑什么？有重新训练？精度和训练的速度怎么权衡？
问接口，挖了个坑给自己，多个一起为什么就一定比单个快了？（其实是不一定的）输入的分辨率大小
现在做的工作简单的介绍（弱监督），没有细问（答多一点思路是对的，但是不要冗余）
目标检测相关，NMS的细节和相关的改进？
Backbone的改进为什么没有去做？Detbone了解吗？为什么ResNet会比Vgg有效？（这里我没有答好，我就说恒等映射，但是为啥？）
BN为什么会有效，为什么先归一化了之后还要再加和乘
代码：IOU计算
aibee 一面
自我介绍
人头检测的项目介绍，attention模块详细询问，原理，怎么做的
Fasetr rcnn细节询问，anchor我有没有调过，RPN的过程，回归的点是中心还是左上角？回归的内容是什么？
识别的不平衡问题是怎么解决的
aibee 二面
说最近做的，或者你觉得你做得比较好的项目
Faster rcnn比ssd好在什么地方？为什么ssd作了很多数据增广的操作，而Faster Rcnn和RetinaNet不用？
ssd做数据增广主要是为了解决尺度的问题，RetinaNet有FPN，Faster Rcnn有Roi pooling
RoiAlign比RoiPooling好在哪？除了损失信息？
RoiAlign可能取得的点并没有RoiPooling多，主要是对小目标，Roipooling量化的时候带来位置上的偏移
交叉熵函数写一下，m个样本时loss怎么写，交叉熵为什么有负号？（极大似然，负号是为了让Loss为正，这样loss可以越来越小）
海康 一面
自我介绍
量化你是怎么做的？
弱监督方法，你是怎么解决的？
你生成的label的有效性是怎么保证的？我说加权，加权的效果对比呢？没做
弱监督的方法，你认为趋势和需要克服的地方是什么？mixtech的方法听过没有，做filp之后再做一致性检测为什么能够保证结果的有效性？insight是什么？不能只看弱监督检测，还要看弱监督的分类的方法
python的装饰器
mmdetection的register和写自己的模块你的理解
快排
海康 二面
项目：人脸识别的loss ，arcface的loss，Triplet Loss（这块我回答得不是很流畅）
项目里的细节，主要就让我复述一遍，先简单，再详细
算法题，最大连续子数组，快排
训练的时候有没有遇到训练集上效果很好，测试集上效果不好的问题，怎么解决的（过拟合）
BN的原理
华为 一面
刷题：通讯录，任意两个人的最远的距离（路径）
介绍一下项目2，为什么spatial attention network有用？我解释了两遍还是没有将面试官解释明白，你有没有想过有什么可以改进的地方，你觉的这个地方为什么会有用？
华为二面
样本不平衡的理解，rebalance的具体做法，采样的不同的方法
量化的理解，有什么好处
MSE和交叉熵的区别
池化层的作用
1*1卷积的作用
写交叉熵
