旷视2020校招-提前批-算法面经
面试完毕,结果未知,总之趁着还有点印象写面经啦~
Overall
旷视提前批-算法研究员(北京) 个人研究生方向:目标检测与姿态估计
总共6面,4轮技术面(由于不在北京,采取电话面试形式)+HR面+Leader技术面,一般最晚一周会反馈结果
初试(一二面)面试内容包括:项目细节、研究方向基础、coding++数学证明
<一面>
自我介绍,之后介绍项目, 然后结合项目提问前沿知识掌握程度以及项目细节:
- 讲解了解到的姿态估计算法
- Openpose模型以及PAFs的生成以及生成PAFs之后如何操作?
- 对于目标检测前沿算法了解过什么?---anchor-free---具体讲述
- FPN多尺度层中的box如何进行ROIpooling?
- Coding与数学证明:数组shuffle以及证明算法shuffle后产生的数组排列是均匀随机的。
- 还有什么想要了解的问题---这块我自己询问了新人入职培训模式以及技术领域的一些问题
<二面>
二面由于面试官比较忙,所以最终面试大约半小时结束,自我介绍之后主要聊了项目。涉及项目中提到方法的具体实现以及一些检测的基础问题,比如:
- 目标检测one-stage方法和two-stage方法的优缺点
- fasterRCnn中的rpn的实现过程等
- one-stage检测针对负样本太多有什么解决办法。
(ps:其他问题也记不太清了…)
复试(三四面)面试内容:项目细节、coding+数学题,难度相比初试稍微大一点
<三面>
- 自我介绍,之后介绍项目
- 项目介绍过程中比较侧重细节,会探讨项目所用方法的优缺点,面试官是视频组的,因而也侧重问了项目中视频处理的部分,比如跟踪算法和光流等。
- 逻辑数学题:一个半径为R的圆,用多少个R/2的圆可以铺满。
- Coding:求根; 先用牛顿法推了迭代公式写了代码;之后问还有其他做法么?就说了二分法的思路。
- 还有想要了解的问题么?
<四面> ---个人被面到自闭
- 自我介绍
- 你了解过传统的图像处理算法么?SIFT算子的尺度空间因子怎么设置(如果没记错的话)
- 图像分类模型ResNet101相比ResNet50,residual block添加到哪里?为什么要这样添加?
- 目标检测算法中one-stage方法中为了解决正负样本不均衡,除了focal loss和xxx还有什么方法?(印象中我当时脑子只出现这两种然后被“除了”以后就什么也想不起来了)
- 目标检测one-stage方法中anchor预测出的位置是有偏移量的,而类别置信度是针对原始位置的特征并不是偏移后的特征,提出解决办法。
- 姿态估计算法中Top-down方法与One-stage方法的不同,top-down方法准确率高的原因是什么?(比较侧重挖掘对该领域研究的理解深度。。)
- Coding:数组中第K个最大元素(leetcode215)& 栈的最小数
终面(现场面试)
HR面:
HR小姐姐漂亮性格又好,整个面试过程特别放松。面试完还送了旷视的小公仔,特别棒!
- 讲解学校人工智能学院
- HR介绍公司,结合介绍提出自己想问的问题?
- 自己项目中承担的角色?身为项目负责人如何调度组员等
- 研究生期间压力比较大的一件事?为什么会选择CV?比较期待的工作氛围等问题
- 薪资问题
终面:
终面是晓璐姐,进门特别专业,边面试边记录。
- 面试官自我介绍并讲述自己对技术的了解程度之后,让我挑一个项目讲解至面试官能听懂的程度。
- 上述讲解项目在白板上画模型结构讲解(个人感觉比较侧重考察交流能力)。
- 有什么想要提问的问题?(面试官在这块也介绍了技术研究员的工作模式)
- 结合自己负责的一个项目,在该项目中是如何安排整个进度以及项目开展中比较难的部分。
- 相当于询问了自己的优点以及职业规划
对于应聘的盆友,专业知识以及coding就不多说了,另外可以准备一下:个人职业规划、优缺点等以及一些提问问题(技术层面和其他层面都可以准备一下)。