视觉算法工程师求职面试知识点总结
面试工具
- 牛客网
- 腾讯会议：本地IDE共享屏幕写代码（地平线） or 口述题目思路（完美世界）
- 电话面试（海康威视）：主要考察简历内容和一些常规知识点
CV基础篇
- 对于面向落地、工程化的部门，神经网络模型轻量化（轻量化网络模型如MoblileNet、压缩训练好的复杂网络如剪枝、量化）是一个考点 👈👈
目标检测篇
- 提高目标检测模型精度的技术 👈👈
- 一阶段、两阶段目标检测的区别 [个人理解：没有RoI Pooling阶段，One stage速度快，但是精度低，后续Focal loss提出改善精度] 👈👈👈👈👈
- Anchor free方法 👈👈👈
- 手写IoU计算(numpy或torch，不要for循环) 👈
- 手写NMS https://blog.csdn.net/qq_40263477/article/details/103881569 👈👈
- 回归Loss(Smooth L1、L1、L2、IoU、GIoU、DIoU、CIoU) 👈👈👈
- 相比较anchor-free，anchor-based方法的缺点 👈👈
- 目标检测发展史 [不做目标检测具体技术面试官的不二之选] 👈👈👈👈
深度学习篇
- 过拟合欠拟合
- BatchNormalization https://pytorch.org/docs/master/_modules/torch/nn/modules/batchnorm.html#BatchNorm2d
- 关于BN有一个考点，测试时的均值和方差是怎么得到的？ [移动平均] 👈👈
- dropout [权重缩放]
- 样本不平衡的处理方法 [过采样、欠采样、Loss]
- 梯度下降、梯度消失、梯度爆炸
C++篇
一些落地工作面向C++编程，也需要把握一些基础知识
👈的数量代表考察次数，后续根据具体面试写新的帖子！！！
#互联网求职##面经##秋招#
查看11道真题和解析