🌈 专注分享自动驾驶算法相关技术干货内容，新闻资讯，大厂实习和秋招准备思路以及算法岗求职面经

💫 自动驾驶感知算法实习、秋招面经合集可看智驾感知算法求职面经（答案版）专栏：

《旷视迈驰自动驾驶感知算法实习面经》

《美团自动车配送部感知算法实习面经》

《小米自动驾驶感知算法实习面经》

《轻舟智航自动驾驶感知算法实习面经》

《博世自动驾驶感知算法实习面经》

《地平线自动驾驶感知算法提前批面经》

《百度自动驾驶感知算法提前批面经》

《蔚来自动驾驶感知算法实习面经》

《华为车Bu自动驾驶感知算法秋招面经》

《理想自动驾驶感知算法秋招面经》

《零一汽车自动驾驶感知算法实习面经》

《商汤自动驾驶感知算法实习面经》

《滴滴自动驾驶感知算法秋招面经》

《酷睿程自动驾驶感知算法实习面经》

《速腾聚创自动驾驶感知算法秋招面经》

该专栏主要汇总了本人在秋招和实习期间拿到的华为车Bu、小米、轻舟智航、理想、地平线、百度、美团、蔚来、旷视等多家公司Offer的感知算法面经，并将面试中的重点问题给出了参考答案，供各位同学参考。

第二轮技术面试

• Q1：自我介绍
• 面试官询问了发表的2D目标检测论文并考察了一些深度学习八股
• Q2：介绍Transformer中的自注意力机制和交叉注意力机制
• A2：
• （一）自注意力机制：自注意力计算的是同一序列内部不同位置之间的相互关系，自注意力计算过程中的Q、K、V来自同一个特征向量。
• （二）交叉注意力机制：交叉注意力机制是计算不同序列之间不同位置的相互关系，用于实现两个序列信息的交互过程。交叉注意力计算过程中的Q来自一组特征向量，K和V来自于一组特征向量。
• Q3：Vision Transformer和Swin-Transformer的区别
• A3：
• （一）计算量的区别：Vision Transformer是对输入计算全局注意力特征，其自注意力的计算量与图像的大小成正比。而Swin Transformer将自注意力的计算限制在了一个窗口内，显著降低了自注意力的计算量。