2023大疆内推码（校招社招均可用），需要的同学可以在官网填完简历后，最后一步填写下列内推码中的任一个（如果提示被使用就换其他，都被用过可以留言，我更新内推码），也可以私信咨询我各个岗位细节和性格测试，面试等流程。内推码更新BTFE6CHL ZQJBAQVR  6GYWSES9 GQHDMLUG A7ECPT25 B2VJ9MMB 6L4MK2FV 9AHBV5NL XY7GTQN3 KDYFM3MJ

2023大疆内推码（校招社招均可用），需要的同学可以在官网填完简历后，最后一步填写下列内推码中的任一个（如果提示被使用就换其他，都被用过可以留言，我更新内推码），也可以知乎私信梦里风林，咨询我各个岗位细节，性格测试和面试等流程。U27AXR5TM8TZCLFT6PFZXQLSUNE5M64VZB7PKS6P5HZNGJFQDHH46BJ5QS3D9PN3VBURZ4N2PCB4MHZG

以后长篇文章更新到知乎专栏：梦里茶 零碎的知识（估计看的人也少）更新到Gitbook：https://ahangchen.gitbook.io/blog 简书已发布的文章欢迎大家继续留言提问。

今天解读港中文商汤联合实验室沈岩涛老师在CVPR2018和ECCV2018上发表的两篇关于Graph+Person reid的文章： CVPR2018：Deep Group-shuffling Random Walk for Person Re-identification ECCV2018：Person Re-identification with Deep Similarity-Guided Graph Neural Network Motivation and Related Work person reid这个任务是为probe图像在gallery图片集中寻找属于同一个人的图片，...

转载请注明作者梦里茶 Overview 关注Person reid这个领域的同学应该知道，有监督模型基本已经被刷爆了，2018年开始出现一些无监督/半监督/多模态的方法，包括我们之前做的结合时空模型的TFusion， 今天要介绍的也是结合时空数据的一个工作，由南京大学和QMUL的G.Shaogang老师合作发表在ECCV2018上的一篇论文： Unsupervised Person Re-identification by Deep Learning Tracklet Association TAUDL TA...

转载请注明作者梦里茶 先背景介绍一下，我是广东某985本硕，本科有鹅厂开发方向的实习经验，读研发了一篇CVPR，然后在腾讯ailab实习，由于腾讯ailab今年是要博士才能转正（毕竟转正就是T3），所以我这个小硕7月开始面试了，先后面了头条（一面），阿里云（图像算法工程师，已HR面），大疆（机器学习算法工程师，已终面），商汤（计算机视觉研究员，刚内推），后面腾讯推了AI平台部（刚一面），先把最近的面试总结一下。 其实我不太确定面试内容算不算公司的机密，毕竟这里边大部分问题都是根据具体面试者（我）的情况提的，如果有相关公司的大佬觉得不妥可以私聊我删掉对应的内容。 头条（提前批...

转载请注明作者梦里茶 括号表示概念出现的其他页码 如果发现错误，请到issue中提出或者直接PR 公式采用latex编辑，MathJax渲染 整理by: ahangchen, luopengting, hscspring 章节列表 o 绪论 o 模型评估与选择 线性模型 决策树 神经网络 支持向量机 贝叶斯分类器 集成学习 聚类 降维与度量学习 特征选择与稀疏学习 ...

转载请注明作者：梦里茶 这是腾讯AI Lab与西电合作的一篇CVPR2018的paper，在多模态检索任务中加入对抗网络组件，为跨模态对象生成更好的语义特征，从而提高了跨模态检索的效果。 问题描述 跨模态检索： 利用一种模态的数据去检索另一种模态中的数据，比如文字搜图片 Text2Image 寻找多种模态的数据对应的关键字 Data2Label 常用的数据集：MSCOCO, NUS-WIDE, MIRFLICKR-25K ...

从CVPR出结果之后就开始找人内推，先后面了微软，腾讯，阿里，最后定了腾讯ailab计算机视觉研究员的offer。 我的github（欢迎follow）： https://github.com/ahangchen 简历 简历一定要好好做，基本信息写清楚，论文，实习经历，GitHub，博客，商用项目，都是加分项，投MSRA的话还需要准备中英文简历，所以我的简历投出去的时候都是中英文一起投的。 微软 MSRA语音组（2月23日） 语音组是华工联合培养的一个师姐推荐的，加了微信，微信电话面，当时寒假，还在家里。语音组正在搞文本识别和图文分析，一上来就问实习时间多长，想做什么样的...

CVPR2017 FPN：特征金字塔 ICCV2017 best paper Mask RCNN：分割+检测+分类多任务学习 Focal loss：自适应调节样本权重的loss，结合ResNet和FPN变成RetinaNet（不过被YOLOv3的实验效果打脸了）

YOLOv2/YOLO9000 YOLO9000: Better, Faster, Stronger YOLOv2 是一个单纯的改进型工作，在YOLO上集成了很多已有的trick（比如加了BN，anchor），因为是trick文章，这里就不做完整解读了，可以参考这篇解读，我觉得其中比较有新意的地方有两个： Dimension Clusters得到更好的anchor YOLO9000：用WordTree整合ImageNet和COCO数据集联合训练Darknet（有种知识图谱和DL结合的感觉），用多个softmax loss分别做不同层次的分类 改进点list: ...

CVPR2016： You Only Look Once:Unified, Real-Time Object Detection 转载请注明作者：梦里茶 YOLO detection system YOLO，You Only Look Once，摒弃了RCNN系列方法中的region proposal步骤，将detection问题转为一个回归问题 网络结构 输入图片：resize到448x448 整张图片输入卷积神经网络（24层卷积+2层全连接，下面这张示意图是Fast YOLO的） ...

转载请注明作者：梦里茶 Faster RCNN在Fast RCNN上更进一步，将Region Proposal也用神经网络来做，如果说Fast RCNN的最大贡献是ROI pooling layer和Multi task，那么RPN（Region Proposal Networks）就是Faster RCNN的最大亮点了。使用RPN产生的proposals比selective search要少很多（300vs2000）,因此也一定程度上减少了后面detection的计算量。 Introduction Fast RCNN之后，detection的计算瓶颈就卡在了Region Propo...

论文可以在arxiv下载，导师一作，本人二作，也是我们实验室第一篇CCF A类论文，这个方法我们称为TFusion。 代码：https://github.com/ahangchen/TFusion TFusion架构 解决的目标是跨数据集的Person Reid 属于无监督学习 方法是多模态数据融合 + 迁移学习 实验效果上，超越了所有无监督Person reid方法，逼近有监督方法，在部分数据集上甚至超越有监督方法 本文为你解读CVPR2018 TFusion 转载请注明作者梦里茶 Ta...