百度CV实习3面面经

第一面(40min):
自我介绍
讲一下目标检测的发展历程,从传统到深度
    传统部分回答的算子结合分类器分类,简单说了一下缺陷,深度部分说了RCNN,FAST,FASTER,SSD,YOLO,FPN,MASK RCNN,Cascade RCNN,都简单的介绍了一下
讲一下TWO-STAGE和ONE-STAGE的异同
    回答的是TWO-STAGE先对前景背景做了筛选,再进行回归,回归效果比较好,准度高但是相比较慢,ONE-STAGE说的是SSD,是直接对特征上的点进行直接回归,优点是速度快,因为用了多层特征图出框可能小目标效果比较好一点(个人看法),缺点是因为正负样本失衡导致效果较差,要结合难例挖掘。然后再就是在项目上应用的话,ONESTAGE的DEMO效果出的框比较平滑而TWOSTAGE出的框比较容易抖动,但是TWOSTAGE的漏检少。
讲一下FASTER的两阶段训练和ENDTOEND训练的不一样
    回答的是就是把RPN和二阶段拆开训,然后追问RPN在ENDTOEND中怎么回传,答TOTALLoss中有一阶段和二阶段的LOSS,只是回传影响的部分不一样。
讲一下目标检测优化的方向
    表示可以从数据集下手(lz最近有看过一篇海康行人检测的论文,放弃了包围框的标注换了另一种方式,提高了准确度),提升特征表征强度(backbone下手,加深加宽或者换卷积方式),RPN下手(级联,FPN,IOU NET),LOSS(行人检测领域有些问题,如重叠,可以靠修改loss提升准确度)。
讲一下近两年比较新的结构上的改进
    讲了一下MASK,Cascade RCNN
讲一下FPN、MASKRCNN
    讲了一下ROI ALIGN,FPN的结构
讲一下插值方式了解多少
    回答只知道双线性和NearestNeighbor
介绍一下项目流程以及贡献
手撕SoftNMS,lz表示只用过NMS,就改成撕NMS了

第二面(30+min):
自我介绍
然后就是全程问项目,正好面试官有相似的项目经验还交流了一下(被DISS了一下)

第三面(30min):
自我介绍
问项目,但是会追问到比较基础的点,lz被问softmax和sigmoid在多分类任务中的优劣,然后问了一下啥是交叉熵(交叉熵没复习到,没答上来感觉要GG)
问了下SVM原理
问了个题,给你一个数组A,数组里按顺序存的一组点,表示一个多边形,再给你一个点B,问如何判断点在多边形内部
    lz从解几的角度回答了一个,然后发现凹四边形不能用,又想了一个把B和每一条边连成三角形求面积,也是凹四边形不行,就直接说不会了,面试官说把多边形分解成有限个三角形,去判断点是不是在三角形内
最后就走流程说有啥想问的

感觉百度这一天三面还全是聊技术人要没了(重点是怀疑要凉了
#百度##面经##实习##春招##深度学习##算法工程师#
全部评论
老铁 稳住
点赞 回复
分享
发布于 2019-04-20 19:42
有没有说啥时候给通知呀
点赞 回复
分享
发布于 2019-04-22 10:05
百信银行
校招火热招聘中
官网直投
请问老哥开奖了吗?我的还是在面试流程中😅
点赞 回复
分享
发布于 2019-04-25 10:03
百度哪个部门还招cv啊 问了好几个都说没hc了
点赞 回复
分享
发布于 2019-04-25 10:05

相关推荐

点赞 59 评论
分享
牛客网
牛客企业服务