计算机视觉算法实习生面经
基本情况
本硕中等985，不是CS也不是自动化电子信息等强相关专业，去年3月开始转码，期间一段3个月小公司实习，一段6个月造车新势力实习（少卿带队🤪，虽然不咋见到但是少卿yyds），一段kaggle比赛经历（非top），一个个人小项目，无论文。
投简历：字节，腾讯，阿里，京东，商汤，小米，百度。其中百度和小米沉了，商汤最开始由于我的海投行为，简历被一个部门锁了，但又不约面试，另一个部门没法进流程，涨教训了......后来锁简历的部门还是约了，但没想到是场KPI面试......
面试结果：字节（一志愿一面挂，转部门offer），阿里云（发帖时刚约HR面，据内推的人说基本上稳了），腾讯（流程慢，发帖时还在录用评估，而且据说PCG要大裁员🤣），京东（offer），商汤（一面KPI挂）。
吐槽
1. 京东的发offer流程，一定需要导师同意，签字，才继续下一个流程（现在真的还有导师同意的实习么......凤毛麟角吧......）
2. 还有腾讯的流程是真的慢，当然也有可能是没hc了......
3. 怎么年初就开始KPI了.....
经验总结
1. 关于简历 ：从面试经历来看，个人觉得，至少在我这个行业，面试官喜欢问的还是简历上的东西，不管哪家公司，所以尽量做到对自己简历上写的东西烂熟于心，还有就是，咱们程序员的简历排版整整齐齐就可以了，一定不要花哨......
2. 关于八股文：其实在CV领域，八股文是真的不少。三大领域分类检测分割的经典的模型和方法，每年优秀的新模型和方法，再加上现在大火的transformer在视觉三大领域的花样百出，让人应接不暇，各种loss，各种优化器，各种激活函数，各式各样的池化层，卷积层，BN层，各种注意力机制，各种后处理方法，甚至各种机器学习方法...... 但其实，面试里面直接问你某某东西的原理其实并不多，特别是新的东西，偶尔直接问原理也是针对比较经典或者比较基本的东西来问的，比如BN原理和作用，梯度消失的原因和解决办法，分类resnet，mobilenet的发展，目标检测yolo系列的发展，分割deeplab系列的发展等等，都是属于很经典的，必须要学会的东西。而根据我的经验，大多数情况下，基本上是先问你简历上写的东西，你答的时候提了一嘴，然后面试官恰巧听到了，然后追问。比如我在介绍成果的时候说我用了某某方法缓解了类不平衡问题，涨了多少点，那么面试官很有可能就会问你，为啥要用这种方法，这种方法解决类不平衡的原理是什么，还有没有什么其它解决方法。
3. 关于语言：这个行业在我看来，python和C++都是必备的，python需要比较熟悉，能够写写基本模型以及train，infer，eval代码和胜任各种数据处理工作，因为说白了这个行业是在和数据以及模型打交道，c++的话因为在模型部署的时候需要用到，可能会基本的stl和一些基本的数据类型和语法概念，比如类，成员函数和成员变量，重载和重写，构造函数和析构函数，虚函数，虚指针和虚表，static，const等等就差不多了，个人觉得智能指针CV这个行业不需要掌握，了解了解就可以了，面试也几乎不会问，而事实上据我了解智能指针一直被诟病，估计写C++后端的人用的也不多......
4. 关于算法题：怎么说呢，对于大多数公司来说，实习的话基本上能写个大概或者能讲到面试官想要的思路，基本就不会在算法题卡你，当然字节除外（毕竟出了名的算法题一票否决权），对于秋招，听学长说是几乎所有公司，只要没a出来，基本等于凉凉。准备的话，我认为leetcode 剑指offer+top100够了，毕竟学的还是思路，可以背模板，但不要死记硬背题目，需要理清思路，毕竟不排除面试的时候面试官现场编题，有多余时间的话可以去codetop上针对性做做题。另外，我不知道为啥我面试的时候老是遇到那种pytorch或者深度学习的算法题，比如手撕BN，NMS，随机梯度下降，简单卷积操作，简单池化操作，IOU计算（单个和batch）等等这些......这个大家也需要注意，平常也需要练习......
5. 关于智力题：这个我没咋遇到，这次除了字节给了个，我个人对这类题没啥经验，就不写了......
6. 关于面试：保持心态，平和对待，不要高高在上，也不要卑躬屈膝，大家都是一样的打工人，都是从学校走出去的，都经历过校招阶段。
最后，写写面经攒攒人品吧，全都是面试结束后凭借短暂的记忆写的，有可能不全哈，然后祝愿自己今年秋招顺利，KPI面试远离我，也祝大家炼丹顺利，今年秋招大捷。
字节跳动，Data-头条/番茄/西瓜团队，暑期实习，有转正
一面（2.22，1h30min)
1. 自我介绍
2. 问实习，问了很久，并根据回答延伸（比如为什么用这个，为什么做这种处理，线上是如何用的等等）
3. RCNN系列的发展，以及和yolo系列和ssd的区别
4. ssd的anchor如何设置和处理的，YoloV3呢？
5. deeplabv3plus的结构（因为我用了，所以问的）
6. ASPP的结构和作用
7. resnet的结构，输入输出通道数不一样怎么解决？
8. nms怎么做的，有哪些改进版本？
9. 数据不平衡的解决办法
10. C++ ：虚函数和多态？构造函数能否是虚函数，为什么？析构函数不是虚函数会有什么问题？完美转发了解吗？
11. python ：生成器的原理和作用，装饰器的作用，布尔索引
12. 算法题：1.中文数字转阿拉伯数字，没啥思路，大概讲了讲，然后换了道题。2.一次遍历取链表倒数第K个节点。
无反问，当无反问的时候，我就知道已经没了......，第二题我做了个用辅助栈的，实际上正确的应该是双指针，可能是由于今年第一次面试吧，我当时脑子短路了没想出来，然后面试官说我那么做也可以，但是很明显能看出来不是他想要的。然后自然而然，挂了...，确实不应该，挂了是我活该，虽然前面答得自认为都还可以...
一面挂了之后转部门，暑期实习
一面（3.1，1h20min）
1. 自我介绍
2. 挑一段做的最好的经历详细介绍，会根据介绍反问实现细节，这里扣得比较细
3. deeplabv3plus的结构
4. 空洞卷积的缺点
5. mixup怎么做的，用在表情分类上会不会存在问题
6. 除了mixup还知道哪些多样本数据增强？
7. focal loss 的表达式、原理、作用
8. faster rcnn如何处理正负样本，ssd呢？
9. transformer的整体结构，在视觉领域有哪些应用，你认为为什么transformer在视觉领域也有效甚至比CNN要好？
10. 对三维视觉了解多少
11. C++ ：虚函数实现原理与作用，static关键字的作用，多线程，深浅拷贝
12. python：装饰器原理和作用，写一个打印指定日志的装饰器，lambda 函数
13. linux grep命令的作用
14. 算法题：实现double sqrt(double x, double precision)，在面试官的指导下，修改了两处细节问题，然后面试官写了几个测试用例，当场跑了，没问题就过了
15. 反问
二面（3.9，50min，应该是主管面）
1. 项目详细介绍
2. 针对实习和项目细节进行提问，ShuffleNet的创新点，OCRNet的创新点，线上QPS能达到多少，挖掘召回率有多少等等一系列问题
3. C++重载和重写的区别，运算符重载怎么做
4. 两个算法题：最长无重复子串，旋转数组的最小值
5. 智力题：两个鸡蛋，找到摔碎的阈值楼层，最优解法。
6. 反问
反问环节我提示面试官说我手里有offer需要尽快入职，但很想去字节，希望进度能尽快，果然面完hr就打电话来约三面了，本来约当天晚上8点，我有事就改成了第二天下午3点
三面（3.10，1h，交叉面）
1. 自我介绍
2. 问实习和比赛
3. MobileNet系列介绍介绍
4. CBAM是什么？怎么实现的？
5. 数据中存在脏样本怎么办？
6. 你认为3D视觉和2D视觉技术手段上存在哪些不同？
7. 对VR/AR技术的理解？对元宇宙有什么看法？你认为VR/AR技术手段在这之中扮演了什么角色？
8. 算法题：最长递增子序列，写了n2的解法，追问可不可以优化成nlogn的，讲了讲思路，没写，然后又给了道题，约瑟夫环问题，秒了
9. 反问
面完过一会直接HR面了
HR面（3.10，15min）
1. 自我介绍
2. 频繁换实习的原因
3. 为什么想做计算机视觉
4. 课题情况
5. 对元宇宙的看法
6. 手里的offer情况
7. 反问
OC（3.11）
感觉二面说了有其它offer着急入职之后，这边节奏都快了起来......
京东，日常实习，无转正，可推荐优先校招
一面（2.23，1h10min，面试官是校友）
1. 自我介绍
2. 问项目，mixup怎么做的，borderline smote 相比于普通的有什么改进，空间注意力机制怎么实现的，知道SKNet吗...
3. 问比赛，k-means流程，如何迭代求质心...
4. 问实习，mIoU怎么计算的，普通卷积和深度可分离卷积的计算量和参数量分别是多少...
5. deeplab系列的发展，CRFs的概念和作用，ASPP的结构和作用，空洞卷积为什么有效，用大卷积核不可以吗？
5. onnx有加速效果吗？你怎么转的？
6. 算法题：1. 目标检测的IoU，要求numpy实现batch并行计算，没写出来，写了个简单情况的 2. 排序数组查找target下标，如果有重复数字找最左边那个又如何处理
7. 反问
二面（2.25，45min，应该是leader）
1. 自我介绍
2. 问实习经历，比较详细
3. 基础知识：梯度消失/爆炸产生的原因及解决办法，过拟合的解决办法，数据不平衡的解决办法，SGD和ADAM的优化原理及各自的优缺点，BN的原理和作用，还有哪些归一化方法
4. 算法题：手撕nms
5. 反问，确认实习情况
HR面（3.1，15min）
1. 自我介绍
2. 手里offer情况，确认京东是最后选择嘛？
3. 实验室方向和个人课题
4. 未来规划
5. 反问
OC（3.4）
腾讯，PCG，原搜狗OCR团队，日常实习，有转正（但是腾讯转正率低大家都知道）
一面（2.24，1h10min，两个面试官，其中一个是校友）
1. 自我介绍，问学校毕业的基本情况
2. 问比赛，遇到了哪些问题，有什么解决思路，提升了多少，具体怎么做的。
3. k-means对检测框聚类，在聚什么？k是多少？
4. OHEM 和 focal loss的原理
5. 比赛用的框架，每个损失用的什么？Dice Loss怎么做的？
6. smooth l1 loss的优缺点？知道哪些 IoU loss？
7. 除了多个模型集成还有其试过其它集成方法吗？
8. bagging 和 boosting 的区别和联系
9. 普通卷基的计算量，组卷积呢，深度可分离卷积呢？
10. 目标检测和分割哪个领域最熟，说一下这个领域的发展，综述...
11. 问实习，多任务学习怎么实施的，弱监督怎么做的，弱监督有哪些级别，每个级别有什么代表算法，等等等等，真的很细...
12. 一个一般的C++类里面会有哪些东西？空类会占内存吗？
13. 算法题：实现一个简单的maxpool
14. 确认实习入职情况，反问
二面（2.25，35min，面试官感觉像是部门老大哥，人超好）
1. 自我介绍
2. 为什么换实习
3. 详细问实习，然后语重心长的告诉我说提升要写绝对指标，因为不同基准同样的提升难度不一样
4. 问项目，简单带过......
5. 确认实习情况，介绍他们，然后反问......
无算法题......
HR面（3.8，47min，比技术面时间都长......）
问实习收获，产出，个人情况，实验室情况，offer情况，唠家常......
说offer的话要等，因为腾讯统一招聘还没开始，现在是部门抢人，提前面试那种，建议我有其他offer就先接了......
云证+测评（3.10）
做完之后官网状态立马转录用评估，但是直到发帖时还是录用评估🤣
商汤 ，研究院，日常实习
一面（2.28，不带算法题不到20min）
1. 自我介绍
2. 神经网络训练为啥一般是非凸优化问题
3. 训练为啥用GPU，GPU为什么快，既然GPU快为啥操作系统又运行在CPU上
4. 常见的归一化方法
5. 避免陷入局部最优的方法
6. 算法题：1. 链表环的长度 2.高斯消元法求方程 AX=B 的根
全程不问简历，不反问，甚至后面由于小鱼易连的问题共享不了本地IDE，算法题直接让我发他邮箱，还说监督不了我只能相信我是诚信的，然后也不确认我有没有记住邮箱就结束了会议......，浓浓的KPI味道，我就直接没发了......，本来对商汤是特别有好感的，但是这么一趟下来好感直接没了......
阿里云，暑期实习
一面（3.3，电话面，简历评估面，40min，自己讲得多）
1 详细介绍一段实习工作，并根据实习工作反问，特别问了弱监督分割具体是怎么做的
2 类不平衡解决办法
3 问了一下一个小的分类项目，背景，任务，空间注意力机制怎么做的，什么原理？
4 ReID里面的遮挡问题如何处理
无反问
算法题面试（3.7，30min，注意这个不是那种统一笔试，也许是笔试成绩太烂了给我加的一次面试）
两个题，具体是啥不方便说，用阿里自己的平台做的，无代码提示
二面（3.15，主管电话面，30min，也是自己讲得多）
1. 自我介绍，我介绍的很详细被主管打断了，说别把后面的面试内容全说了...
2. 实验室课题情况，导师放实习吗
3. 两段实习经历详细介绍
4. 竞赛介绍
5. 反问实习生工作内容：拆分项目的子任务（实习两三个月） + research（如果实习时间长的话）
HR面（3.18）
待补充🤣
#暑期实习##字节跳动##京东##腾讯##商汤科技##面经##实习#
查看31道真题和解析