计算机视觉寒假实习生面经

联想

一面（1108）

1. 自我介绍
2. 项目
   1. 介绍基于机器学习的方言识别系统
      1. 数据如何获取
      2. 数据量多大
      3. 样本比例是否均衡
      4. 哪个效果最好哪个效果最差
      5. 介绍随机森林是否比KNN还要快
      6. 是否验证模型集成
   2. 其他
      1. 模型融合手段
      2. 比较熟悉哪个算法介绍原理
      3. 神经网络原理
      4. 注意力机制
      5. 注意力其他优点
      6. 集成学习的模型
      7. 如何评价模型
      8. 其他指标
      9. 过拟合鲁棒性差的解决方法
      10. L1正则化和L2正则化区别
      11. 以上正则对模型的惩罚力度
      12. 损失函数了解哪些
      13. 不同损失函数对容错能力的区别
3. 其他
   1. 实习时间确定
   2. 其他需要询问的问题

腾讯

A部门

一面（1111）

1. 讲了一下部门的工作内容

B部门

一面（1126）

1. 自我介绍
2. 项目
   1. 高分
      1. 数据集
      2. 后处理
      3. 指标
      4. 模型
      5. 讲述HRNet和OCRNet
      6. 对比ResNet
      7. 对比Inception
      8. 对比ResNeXt
      9. 损失函数
      10. 模型融合
      11. 优秀的方案
   2. 其他
      1. 对backbone的了解
      2. 组内分工
3. 算法
   1. 手写pooling层

快手

一面（1119）

1. 自我介绍
2. 实习时间确定
3. 项目
   1. 高分
      1. 组长负责的事情
      2. 对于技术路线的选择
      3. 为什么选择deeplabv3plus
      4. 为什么加CBAM
      5. 本地观测对比情况
      6. 介绍CBAM
      7. 为什么加入CBAM可以提升边缘效果
      8. CBAM的通道数
      9. 比赛人数等
   2. 毕业设计
      1. 数据集
      2. 是否保存观察生成的图像
      3. loss选择
      4. 数据集的具体构成
4. 算法题（15min）
   1. 左旋转字符串（不能调包）
5. 其他需要询问的问题

网易

一面（1122）

1. 自我介绍
2. 项目
   1. 高分
      1. 如何选择模型
      2. 为什么放弃unet
      3. 有无预训练
      4. loss
      5. 后处理CRF如何加权
   2. 手语
      1. 动机
   3. 毕业设计
      1. 详细介绍（问了很多）
      2. 为什么不直接回归分数，要先修复
      3. IQA如何衡量背景虚化的照片的质量
3. 其他问题
   1. 过拟合和欠拟合
   2. 过拟合怎么改善
   3. 欠拟合怎么改善
   4. 传统的图像特征提取手段
4. 实习时间
5. 其他需要询问的问题

字节

一面（1125）

1. 自我介绍
2. 项目
   1. 毕业设计
      1. 数据集
      2. 面向特定失真还是非特定失真
      3. 介绍GAN
      4. 达到平衡状态的名字（纳什均衡）
      5. 生成对抗网络的模式崩溃
      6. 最终的指标PLCC和SROCC
   2. 手语
      1. 为什么改2d-cnn为3d-cnn
      2. 背景去除模块
      3. 是否考虑制作复杂背景的数据集
      4. 最终指标
   3. 高分
      1. 数据集
3. 算法题
   1. 手机九键输入法中，每个数字对应几个字母，设计一种算法，将输入数字串替换为其可能的组合（1和0没有对应字母，视为#）；例如：
      input: '23'
output: ['ad','ae','af','bd','be','bf','cd','ce','cf']
      DFS！
4. 其他需要询问的问题

京东

一面（1203）

1. 自我介绍
2. 实习时间确定
3. 项目
   1. 毕业设计
   2. 方向选择
   3. 高分
   4. 课程设置
   5. 最近的idea
   6. 机器学习
   7. 过拟合
   8. 正则化方法
   9. BN、L1、L2
4. 算法
   1. 链表倒数第k个节点
   2. 反转链表
   3. 反转前k个节点
5. 反问环节