TP-LINK提前批 图像算法工程师(成都) 面经
6.15(一面) 时长：30min
1.自我介绍
2.项目介绍(后面问题根据项目展开的)
3.yolov3的结构说一下，为什么采用yolov3(略)
4.yolov4了解吗，说一下里面有哪些tricks(略)
5.densenet和resnet他们主要有什么不同(前者是特征拼接，后者是特征想加)
6.mobilenet里面网络的结构说一下(主要是采用深度分离卷积的思想降低参数量和运算量)
7.除了结构上采用轻量化网络外，还有哪些轻量化方法(知识蒸馏，模型剪枝，简单说了一下)
7.LSTM和GRU介绍一下(讲了里面的几个控制门)
8.训练时，初始化对训练有影响吗(有，至少不能初始化为全0，否则可能不收敛)
9.你知道哪些初始化的方法(我说了预训练，也说了从头训练scratch)
10.机器学习算法了解吗(我心想终于到熟悉的领域了，太自信说了句经典算法都比较熟悉，他问了个不走寻常路的，我哭了)
11.在bagging中，树增加时，偏差怎么变化(我人傻了，bagging是降低方差，他问的是偏差，我说了不知道，但是后面仔细思考了下，基分类器模型结构复杂时，偏差应该变小才对)
12.说一下extern，static（我没听懂面试官extern的发音，表现得一脸懵逼，然后他又问的static，然后我讲了一遍，后来我才知道前面问得是extern）
13.传统的图像处理方法学过吗(本科学过，但忘得差不多了，只了解膨胀腐蚀，开闭运算和一些边缘算子)
反问：1.你们主要用的是传统的图像处理方法吗（传统，深度学习方法都在用）
2.对传统方法了解比较少的话，是不是竞争力比较弱(你这么问就没意思了，我只能说我们会综合考虑)
6.16(二面) 时长：40min
二面比较匆忙，到了约定的时间面试官还没来，我打电话问了下情况，才知道上一个面试的人还没结束(面试官赶时间说电话面)
1.上来说不用自我介绍了，我们抓紧时间直奔主题
2.介绍一下你的项目(略)
3.说一下yolo系列算法每一代是怎么改进的，性能有哪些提升
4.双阶段的检测算法了解过吗(了解)，介绍一下RCNN这系列的方法，说说每个版本是怎么改进的(前后介绍了RCNN,Fast RCNN,Faster RCNN)
5.说一下SSD的方法(这个我记得不太清楚了)
6.说一下归一化，标准化和白化(略)
7.说一下sigmoid函数和softmax函数(前者二分类，后者多分类并能给出预测概率，说了一下函数形式)
8.sigmoid和softmax两者有什么关系(我说我不太确定，前者是后者的特例形式，他说是的)
9.问我第二个项目轻量化网络是怎么考虑进行设计的，有做过哪些尝试
10.实验数据量有多少(1000多张图像)，数据不多的情况，有哪些防止过拟合的方法(图像数据增强，引入正则项，降低模型复杂度，dropout等)
11.训练过程中如果模型不收敛，请分析可能得原因(可能是数据分布本身的问题，可能是超参(例如学习率)不合适，可能是梯度消失或者爆炸导致的，可能是模型初始化导致的等)
12.激活函数ReLU和LeakReLU有什么差异(说了两个激活函数的形式，主要差异体现在对负半轴数据的处理，后者可以防止神经元被掐死，但我补充了一下说一半采用ReLU+BN层不会出现类似的问题）
反问：1.你们部门是用什么方法比较多，有用机器学习做吗(深度学习，其他部门有些是用机器学习方法做的)
6.18(三面) 时长：10min
看着是个有级别的面试官，这次可能是我历史面试时间最短的一面，没怎么问技术
1.自我介绍
2.介绍项目
3.有了解过传统的检测方法吗(说了hog和dpm特征，描述了一下思想，有点类似深度学习网络，但是前者是人工手动设计的特征)
4.项目中遇到的难点(描述了一下自己从啥也不会到第一个项目时的成长，一开始的啥也不会就是最大的难点)
5.兴趣爱好：健身，🏀，🏸，数学(我没敢把LOL说出来，哈哈哈)
6.成绩怎么样，是考研的吗
7.你是哪里的人(成都)
Fine，结束，没有反问
等后续消息吧。共勉，许愿😂#TP-LINK##面经##校招#
1.自我介绍
2.项目介绍(后面问题根据项目展开的)
3.yolov3的结构说一下，为什么采用yolov3(略)
4.yolov4了解吗，说一下里面有哪些tricks(略)
5.densenet和resnet他们主要有什么不同(前者是特征拼接，后者是特征想加)
6.mobilenet里面网络的结构说一下(主要是采用深度分离卷积的思想降低参数量和运算量)
7.除了结构上采用轻量化网络外，还有哪些轻量化方法(知识蒸馏，模型剪枝，简单说了一下)
7.LSTM和GRU介绍一下(讲了里面的几个控制门)
8.训练时，初始化对训练有影响吗(有，至少不能初始化为全0，否则可能不收敛)
9.你知道哪些初始化的方法(我说了预训练，也说了从头训练scratch)
10.机器学习算法了解吗(我心想终于到熟悉的领域了，太自信说了句经典算法都比较熟悉，他问了个不走寻常路的，我哭了)
11.在bagging中，树增加时，偏差怎么变化(我人傻了，bagging是降低方差，他问的是偏差，我说了不知道，但是后面仔细思考了下，基分类器模型结构复杂时，偏差应该变小才对)
12.说一下extern，static（我没听懂面试官extern的发音，表现得一脸懵逼，然后他又问的static，然后我讲了一遍，后来我才知道前面问得是extern）
13.传统的图像处理方法学过吗(本科学过，但忘得差不多了，只了解膨胀腐蚀，开闭运算和一些边缘算子)
反问：1.你们主要用的是传统的图像处理方法吗（传统，深度学习方法都在用）
2.对传统方法了解比较少的话，是不是竞争力比较弱(你这么问就没意思了，我只能说我们会综合考虑)
6.16(二面) 时长：40min
二面比较匆忙，到了约定的时间面试官还没来，我打电话问了下情况，才知道上一个面试的人还没结束(面试官赶时间说电话面)
1.上来说不用自我介绍了，我们抓紧时间直奔主题
2.介绍一下你的项目(略)
3.说一下yolo系列算法每一代是怎么改进的，性能有哪些提升
4.双阶段的检测算法了解过吗(了解)，介绍一下RCNN这系列的方法，说说每个版本是怎么改进的(前后介绍了RCNN,Fast RCNN,Faster RCNN)
5.说一下SSD的方法(这个我记得不太清楚了)
6.说一下归一化，标准化和白化(略)
7.说一下sigmoid函数和softmax函数(前者二分类，后者多分类并能给出预测概率，说了一下函数形式)
8.sigmoid和softmax两者有什么关系(我说我不太确定，前者是后者的特例形式，他说是的)
9.问我第二个项目轻量化网络是怎么考虑进行设计的，有做过哪些尝试
10.实验数据量有多少(1000多张图像)，数据不多的情况，有哪些防止过拟合的方法(图像数据增强，引入正则项，降低模型复杂度，dropout等)
11.训练过程中如果模型不收敛，请分析可能得原因(可能是数据分布本身的问题，可能是超参(例如学习率)不合适，可能是梯度消失或者爆炸导致的，可能是模型初始化导致的等)
12.激活函数ReLU和LeakReLU有什么差异(说了两个激活函数的形式，主要差异体现在对负半轴数据的处理，后者可以防止神经元被掐死，但我补充了一下说一半采用ReLU+BN层不会出现类似的问题）
反问：1.你们部门是用什么方法比较多，有用机器学习做吗(深度学习，其他部门有些是用机器学习方法做的)
6.18(三面) 时长：10min
看着是个有级别的面试官，这次可能是我历史面试时间最短的一面，没怎么问技术
1.自我介绍
2.介绍项目
3.有了解过传统的检测方法吗(说了hog和dpm特征，描述了一下思想，有点类似深度学习网络，但是前者是人工手动设计的特征)
4.项目中遇到的难点(描述了一下自己从啥也不会到第一个项目时的成长，一开始的啥也不会就是最大的难点)
5.兴趣爱好：健身，🏀，🏸，数学(我没敢把LOL说出来，哈哈哈)
6.成绩怎么样，是考研的吗
7.你是哪里的人(成都)
Fine，结束，没有反问
等后续消息吧。共勉，许愿😂#TP-LINK##面经##校招#
