CV算法面经（快手，百度，地平线，便利蜂，金山云，国企银行）
CV这块的面经少，我来提供下，但是很多其实都会是简历面，超细节简历面。自求多福~~
楼主准备的晚，8月才开始...也没有试水，直接上了大公司，再加上CV卷，收获none，目前有几个offer也是转到推荐...
快手
时间轴：
8.14 一面
8.14 二面
快手一面
1、简历面
2、手写NMS代码
3、了解多模态处理吗？
4、NLP简单问题；word2vec等等
快手二面
简历面就不说了，感觉答得还好。
问了几个开放性问题（这是我秋招面试的第二个公司，准备不足，有几个答得不好）
1、人脸arcface中的arc为啥比cosface那些好，为啥比triplet好？
2、一般做分类我们都用交叉熵损失，交叉熵损失是否可以替换为MSE损失呢？
3、BN的gama labada意义（这个简单）
4、GAN早期出现的问题以及一些简单方案（这个主要是WGAN）
算法题：
合并有序数组（C++）
地平线
时间轴：
8.28 一面
9.5 二面
地平线一面
1、简历挑一个项目问
2、BN原理，有几个参数，训练和测试的区别，多卡时BN如何处理？了解其他的归一化操作吗（例如群组归一化？）
3、MobileNet V1,V2原理，优化的方向
4、分割了解多少？
5、五道题选三道题
5.1 二叉树层序遍历
5.2 手写NMS
5.3 手写MIOU
5.4 用随机产生7以内数字的函数去写随机产生10以内数字的函数
5.4 股票问题（可以多次购买）
----------------------------------
地平线二面
二面就是简历细致化面试，为什么这么做？为什么不这么做？你们没有再做优化吗？
举例：
1、人脸特征训练好，你们怎么检索的呢？直接暴力吗？SQL有没有优化？
2、为什么用GAN，用GAN真的变好了吗？
3、你们这个模型最后部署有没有考虑速度？有没有深入的优化一下？（Emmm,这部分我没负责）
....
最后问了几个简单的
1、kmeans聚类如何选择初始点。
CV常见问题（一些面试总结的）
1、最基本的骨干网络（VGG、GoogLenet、ResNet、MobileNet）
2、目标检测（RCNN系列一条龙、YOLO一条龙）
3、BN、NMS熟悉
4、RoaAlign和ROIPooling区别
5、Relu改进
6、过拟合解决方法
7、梯度消失解决方法
8、解决正负样本不均衡的方法
9、手写代码（NMS、BN、各种loss、ResNet）
10、Adam等优化器
11、逻辑题：25匹🐴，5个赛道，没有计时器，如何用最少的比赛找到最快的三匹🐴
便利蜂
便利蜂的话重视数学，要把笔试题做好，不会的课下要复习，面试的时候会问。
1、笔试你没做出的题又问你一遍
2、python和cpp的区别特点，垃圾回收
3、统计一大批人口的年龄方差，如何计算（肯定不是简单的方差公式.....）
4、质疑我的项目中一个解决问题的方法？（我....）
5、异常点检测有了解吗？（哦，不了解，不匹配）
第四范式
emmm，这公司又是一堆理论问题
1、高斯分布是啥？
2、极大似然估计法
3、CNN的优点、缺点
4、各种loss的书写（反向传播）
5、交叉熵公式的来源
6、为啥出现正则化
金山云
基础问题，简单聊（不问简历....）
1、标准化与归一化的区别
2、出现Nan的原因
亚马逊
依图科技
做题+简历面【收藏点赞不丢失，今天写累了，后续继续更新其他】
投了好多公司
百度
京东
快手
阿里
爱奇艺
美团
拼多多
oppo
搜狗
小米
vivo
奇安信
农业银行软开
新浪
360集团
网易有道
地平线
第四范式
格灵深瞳
58集团
Aibee
BIGO
京东方
微步在线
华为
依图科技
中国移动研究院1
中国移动研究院2
便利蜂
度小满
联想
金山云
Hulu
亚马逊
平安科技
商汤
电信云
松果出行
光大银行
中信银行
邮政储蓄
美图
#校招##百度##地平线##拼多多##快手##算法工程师#
华为工作强度 811人发布
