07-11 12:45 已编辑元戎启行_研发_开发工程师

发布于广东

关注

自动驾驶感知算法面经汇总（附25校招链接）

进入元戎感知算法面试的同学，可以做个参考

比亚迪

2023/07/24一面出自

比亚迪规划院，感知算法工程师，自动驾驶

1、八股常用激活函数特点，优缺点Attention介绍，比CNN的优点C++函数重载和重写C++结构体和联合体的区别

2、简历相关介绍ResNet，YOLO系列，EfficientNet 网络特点，适用场景CUDA相关问题(GPU之间的数据传输)其他简历内容

问是否了解推理引擎

图森未来

23/04/12（一面 50min）4月18（二面1个半小时）出自

个人项目30min

C++新特性，左值右值，智能指针

堆和栈的区别

死锁原因和必要条件以及死锁的解除方式

编程题一：数组内连续子数组大于指定数的个数

编程题二：滑动窗口的众数滤波器。

unordered map和map的区别以及其实现原理

C++打印vector的方式。（因为我编程时用到了这些内容，就问了这些）

动态链接和静态链接的区别

有大量数据要处理，如何加快处理速度（IO密集型和CPU密集型）

git如何合并远程分支

旷视

23/03/16旷视自驾感知算法暑期实习面试出自

1.问下项目，问下我的情况

2.是否了解最新的BEV算法，讲一下

3.是否了解三维重建

4.考察相机坐标系的转换

5.手撕代码，翻车了，不考leetcode，考察两个旋转框的IOU

box1 = [xmin1, ymin1, xmax1, ymax1, theta1]

box2 = [xmin2, ymin2, xmax2, ymax2, theta2]

好复杂，只能说思路，没时间写

讨论每一种交点的情况

判断一个顶点是否在一个框内:

(1)旋转交点到theta=0的时候，判断其是否在框内

(2)调用函数求顶点所在直线与框的边界的交点，判断该交点与顶点的关系(但是我不确定，后来自己想的)

23/03/14 出自

这个岗位主要是基于3D的数据做一些自动驾驶场景的一些检测任务，在实验室2D相关的，之前比较缺乏3D检测的相关知识，所以面试整体感觉不是很match

介绍之前的实习工作，遇到了哪些困难，怎么解决的（可能是从中想挖掘一些点来问）
有没有了解过一些学术上的多loss平衡的策略（无，只靠手动调参）
介绍一下基于视觉方案的自动驾驶检测框架
介绍一下学术上比较新的文献（最近都在刷leetcode，说的也不是很新的，也说的不太全。。。）
介绍一下2D检测的主流方案
怎么理解DETR中query的作用
代码：C++写个快排

22/8/03 出自

项目相关问了40分钟左右，对模型的具体实现和验证非常感兴趣，论文要求详细讲解创新点，不过问的问题都比较常规，也没有问八股

手撕代码是三道题

链表中环的入口节点

快慢指针，同时从head出发，fast走两步，slow走一步，第一次相遇后把fast放到开始，步长改成1，下次相遇就是入口结点

打家劫舍2（首尾相连）

首尾相连的情况下，首尾不能同时取，所以直接对nums[:n-1]和nums[1:]分别动规就行，时间复杂度是o(n)，空间复杂度可以用循环数组优化成o(1)

打家劫舍3（树形结构）思路是维护一个字典，每个结点分别计算取该点的最大值和不取该点的最大值，更新的时候直接在字典里更新，最后返回root的对应的值即可。需要注意的是，在不取p点的时候，p->left和p->right也都有可能不取，所以在更新的时候需要用到dp[p][1]=max(dp[p.left])+max(dp[p.right])

不太清楚旷视的上海岗位什么情况，面试完之后换了个北京的hr给我打电话说岗位调到了北京，还有两轮复试

新石器无人车

22年出自

一面

问实习+科研

车道线检测的正负样本匹配方法

车道线检测的anchor-based方法的baseline是怎么做的

（LineCNN：从最底下的点发射出去，寻找线的proposal，需要最底下点的坐标以及三个边界的值，相对于RCNN的滑动窗口要快和轻便很多）

小目标检测有什么自己的思考

车道线检测任务的nms跟传统检测的nms有什么区别

手撕：找到第k大的数字快排，返回第-k个优化：找到第k个就直接返回了+手写NMS

二面

问实习和科研项目

手撕：图像和特征点旋转（用opencv实现）

智力题：n个苹果放入m个篮子，要求随便取1-n个苹果，都能取出来，问最少用几个篮子

三面CTO主管面

口述两数之和+聊个人期望等内容

蔚来感知算法实习一面面经+二面面经

22/11/01 出自

1.手写nms，面试官本来要求用C++，我说不太会就改为用python了

2.深挖八股，第一面不聊项目和简历

从模型和数据的角度分别说一下如何解决梯度爆炸的问题？

更了解fasterrcnn还是yolo？能否大概说一下fasterrcnn的流程，两阶段主要解决了什么问题？

延伸，yolo中是怎么解决正负样本不均衡问题的？yolo中的object分支有什么作用

BN层的作用是什么，有什么可学习参数？

给定NCHW的输入，BN层的输出应该是什么？

在训模型的时候如果遇到显存占用了，但是后面的GPU利用率不高的情况，可能是因为什么？

在训模型的时候如果loss报Nan了，可能是因为什么？

Detr是怎么做到不用nms的，如何保证在一个目标附近只生成一个bbox

有点不爽，二面被面试官连续鸽了两次，一次提前20min一次进去等了10min

二面

由于我之前有过一段实习，面试官大概花了15分钟聊了一下实习内容

问问题基本是一些常规的八股，难度和第一面相比第一面要难一些

手撕是回字形遍历

经纬恒润

22/8/11 出自

一志愿感知算法工程师二志愿python工程师意向城市成都

一面：（8.11）

自我介绍

然后开始对着简历问问题

介绍第二个项目设置了哪些参数参数是怎么调怎么设置

介绍第三个项目翻译模型改进了哪为什么选择bleu指标

python基础知识：数据类型，哪些是不可变的。

可以接受在北京一段时间吗

介绍部门业务

反问

二面：（8.30）

ppt介绍项目（12分钟）然后针对项目提问

本科是学什么专业，主要学什么课程？

本科生的课题是什么方向？

什么时候开始接触深度学习？

感觉用了多久开始理解深度学习？

对这个感知算法的岗位工作内容有什么了解么？

职业规划？

学习能力比较强体现在哪些实例上？

项目的代码实际完成是你自己吗？

实验室的课题方向是怎么划分的？

通信算法和图像算法和其他电信号的算法有什么区别？

对我们公司有什么了解？

想去哪个城市？

期望薪资？

实验室的人都找了什么方向的工作？反问

虹软

22/8/17岗位：智能驾驶感知算法（SP专场）来自

一面：

自我介绍。

让讲张正友标定，几种坐标系转换，畸变参数怎么算？

介绍集中立体匹配网络（提出了什么，针对什么提出的）然后再细问。

C++里vector怎么清空（应该指的是capacity），队列和栈的区别？子类能不能访问父类protected？子类对象能不能访问？protected继承后能不能访问？

开始问项目，问细节，还提了一些扩展问题，我简历上的所有项目都问了。

共享屏幕，自己打开ide手撕合并K个链表。

二面：

将PnP，双目测距原理、单目测距原理，问一些扩展问题。

讲论文的出发点，提了一些问题。

传统的跟踪算法了解吗？

讲另一片论文的出发点，提了一些问题。

问项目细节，让仔细讲了几个使用到的算法。

问SSD，YOLO，问一些扩展性问题。

问后期规划，工作地点。

吉利

22/8/15 来自

自我介绍

项目经历

简要介绍时空预测模型

实习经历

有没有使用过transformer，讲一下原理。
损失函数用的什么？公式是什么？
Dice loss可导吗？不可以的话怎么写backward。
有没有自己写过backward函数。

基础知识

pytorch的model.eval(),model.train(),requried_grad=Ture/False,with torch.no_grad()、detach()、tocpu(),上述这些函数调用后对模型、变量的影响
attention，transformer，卷积的联系与区别。
pytorch的torch.nn.DataParallel和torch.nn.DistributedDataParallel 的区别。
pytorch中的DistributedDataParallel的map和reduce的过程。

手撕代码

两数相加（要求自建链表，建议用C++写，但是还是用了Python）

其他

考虑读博吗？
成绩如何，是否保研？
对意向城市有什么想***考虑宁波吗？家里人怎么看待意向城市？
有对象吗？
平时有什么兴趣爱好？
发offer的话愿意直接接吗？

反向提问

比较看重什么技能？
工作内容
工作中用传统机器学习多还是深度学习多？
大概什么时候出结果？

百度自动驾驶

22/7/25感知算法一二三面经出自

bg：双飞本硕，cvpr一作，一段自动驾驶初创公司经历。一面是个小姐姐，人挺好。上来先做个自我介绍，然后问实习干啥了，问的很细，深入每个技术细节。然后问论文，局部注意力怎么实现等等。最后问我平时用python还是c++，我说c++。于是问了两道c++的问题，一个是函数模板的用法，另一个是vector的resize和reserve区别。笔试让写kmeans伪代码（论文里用了kmeans）。二面问了很多技术细节，最后问了几个场景题，假如你有4个激光雷达的车子，你如何设计点云分割算法。假如当前需要你把场景里的砖头分割出来，靠点云分割能否正确识别？点云中的水雾怎么去除？三面：前面问简历，后面问你在研究生三年遇到哪些困难？怎么克服？平时是怎么学习的？最让你感到兴奋快乐的是什么时候？最后问几个c++问题，浅拷贝和深拷贝，小顶堆和大顶堆（当时只说了应用场景，怎么调整堆忘了），单元测试了解过吗？有没有做过数据处理？