目录
笔试
8道题——简答题 + 1道编程
- 苹果、香蕉、梨、菠萝，彩色图像如何进行分类？
- 一辆带车牌的汽车，图像亮度整体呈现偏亮状态，如何去提高图像的清晰度？并设计一个准确定位车牌位置的方案。
- 训练集和测试集各5000张，进行目标检测，写出选择的模型以及设计方案？样本量不足怎么去提高检测的准确性？
数据增强
- 梯度下降法的优化算法有哪些，各有什么优缺点？
- 损失函数有哪些？优缺点有哪些？
- 激活函数有哪些？各自优缺点？
已学习透彻
- C语言一段代码——考察指针以及++i和i++的区别（不会c语言）
- 将链表逆序（编程题）——PASS
HR面
- 自我介绍
- 两段实习加起来时间很长，是科研任务不重吗？
学校学理论，实习学应用，都在深度学习这条路上，没有丢
扫描二维码关注公众号，回复：
13601326 查看本文章
- **实习是单纯的实习还是会一直实习下去？
已离职，岗位不匹配
- 了解公司的途径？
- 为什么选择了这个岗位？
岗位与个人技能匹配度 + 地点
- 除了广州以外，还有考虑其他城市吗？
广州首选，其他东莞、深圳，在广东内
- 课题有没有遇到什么难点？
样本少、目标小
- 期望薪资20k是怎么定的？
20k是根据广州岗位平均水平
- 反问
- 公司发展前景和个人职业发展规划
- 本岗位的部门分布（研发部—图像处理部）
- 人数（研发100多、总数500）
专业面——60多分钟
- 自我介绍
- 简单介绍一下课题项目
- 渣点部分
- 目前的准确率多少？具体的检测思路是什么？
- 除此以外之前的还有什么检测方法？
模板匹配、阈值分割
- 为什么丢弃模板匹配这个方法呢？——阴影影响
- 阈值分割用的是什么？——大律法、三角法
- 大律法的基本思路是什么？
基于灰度直方图，遍历阈值0-255，使得类间方差最大的灰度值作为阈值
- 计算类间方差的数据是什么？
不同灰度级别的概率
- 那为什么放弃了这个方法？——阴影问题
- 如果用这个去检测不含渣点的图像会出现什么问题？——也会出现二值化的情况，即会误判有渣点
- 缸体检测方面
- 这个项目的模型选择过程？——SSD、MASKRCNN、RCNN系列
- Faster和maskrcnn的区别？——基础网络使用了restnet-FPN、ROI-Align代替了ROI-pooling、增加了一个mask层预测像素点的类别
- Rcnn系列的演变
- Rcnn：2000候选框（selective search）、图像归一化大小、CNN得到特征、SVM分类
- FAST-RCNN：利用卷积进行区域生成、特征池化（ROI pooling）、softmax分类
- Faster-rcnn：利用RPN进行区域生成、smoothL1
- Maskrcnn:如4（2）所述
- Fasterrcnn的损失函数用的是什么？——smoothL1
- Fasterrcnn分类器用的是什么？——SVM
- SVM的基本原理是什么？——寻找超平面
- 如果两个类不可分的话，怎么办？——提升维度
- 怎么提升维度？——核函数
- SVM超平面是直接得到的？还是？——通过损失函数梯度下降更新得到的
- 怎么避免过拟合——dropout、early stop、归一化、正则化、数据量增加
- Fasterrcnn应用到项目中，有什么改进了——聚类改进锚框比例
- 样本量不足怎么办？——变换
- 归一化有哪些？
- BN公式中有两个系数，有什么作用？
- 反问
- 主要是做车内还是车外？——车内人的监控、车外环境监测
- 视觉还是激光雷达？——主要视觉
主管面
- 自我介绍
- 什么时候毕业
- 就业想选择一个什么样的职业和公司——深度学习、自动驾驶等岗位
- **实习了有没有意向留在那里呢——实习岗位不匹配、虽然自动驾驶但是大部分是大数据的
目标跟踪、徐工合作
- 应用场景是什么？——挖掘机挖头远程操控、塔吊物体高度检测
- （实习项目）自动拆垛是什么场景
- 职业规划是怎样的？
- 团队负责人有的人不愿意做负责人展时间怎么看？——看到时间占用、然后负责人得全面统筹
反问：
- 公司的主要核心竞争力在哪？——软硬件结合
- 公司目前最大的挑战和困难在哪？——管理方面：人才需求——希望有全球视野、争第一的人才
- 公司硕士和本科的比例——研发团队本硕有110多人、硕士15个，整个公司40个
- 贵公司有想过扩展人员规模吗？——保证产品高精尖方向发展、主要扩展研发人员，生产人员不能扩展
- 公司的出口率是99%，那有想过扩展国内市场吗？——19年开始扩展，比如和徐工重工合作等
小结：整体面试体验不错，专业面试过程中发现了自己课题的不足，同时面试官很专业，提出建议性方案，点到为止，不会死缠烂打找优越感
过