有赞算法岗面经（长文吐槽KPI面）
面试历时1小时04分41秒 。
先自我介绍，无项目环节，然后直接八股。
1.讲一下检测算法。
one-stage，two-stage重点讲了yolo：darknet特征提取，金字塔多尺度融合，分类检测一起做的yolo3，双分支解耦头的yolox，输出3个尺度共九个anchor预测。
2.讲一下mobile系列，每个系列怎么改进
v1深度可分离卷积，v2倒残差，v3SE块，NAS自动搜索，dnet针对不同设备如cpu，gpu，dsp设计不同的block进行nas。倒残差在dsp上取不到好的结果。
3.讲一下rcnn系列：
？这是1819年的八股题库给你找出来了？直接说之前有看过，现在只记得fasterrcnn了。然后讲fasterrcnn。
4.有哪些特征提取网络。
这你也问？vgg，desnet，resnet，u-net等，重点讲了后面三个。
5.讲一下rpn：
双分支，anchor的选择，bbox
6.数据增强：
旋转，裁剪 ，缩放；颜色变换如直方图，转灰度;框只变换；mixup，maxup等两图混合，变体remix在特征提取网络加参数引导，显著图策略，用一副图的直方图引导另一幅图，伪模态。
7讲一下卷积：
2d，3d，扩张，空间可分离，深度可分离，可变形，每个稍微介绍了下
8激活函数
sigmoid，tanh，relu，每个讲了一下细节还没讲完，问lstm用哪个激活函数，sigmoid。问，没用tanh？回，这方面了解不多，就用到过sigmoid。
9怎么提高泛化能力：
数据上：增加数据集，上面说的数据增强，
训练上，少epoch，调整学习率，小的随机数初始化（但影响小），调节batchsize
网络上：更好的网络，减少网络复杂度，dropout，dropconnect，池化，正则化损失函数，InfoNCE损失函数，自监督策略。
集成学习决策树等。
问：没有提到bn。
我？bn也行？bn主要是减少参数量，降低梯度爆炸，还会拉伸对比度，减少细节特征，引入人工制品吧？过拟合是因为学习能力过强之类的吧？
问：我们不应该希望学习能力越强越好么？
我：我的大脑大受震撼，无言以对。
10.讲一下池化层：
类似于卷积提取特征，但是会压缩特征图，在二维上操作，不会改变通道值。
11.讲一下11卷积：
替代全连接层，跨通道信息交互，降维升纬，多个feature组合。
12.参加了哪些竞赛，今年的mathorcup，泰迪杯
，这俩是啥？参加的人多吗？我？这我还记人数？
13.用到了哪些图像处理算法？讲了三个毕设论文相关的，又不懂这个问这个干嘛。
14.工程上有用LSTM，gru，强化学习？
我大概懂些，但是没用在工程上，只在nas上用了lstm和强化学习。面试官打断，你本科不是学这个的，懂了。
我？你懂个勾勾，你倒是让我说啊？
15.你都没学过这些，什么bagging都没用过。
我：打断，bagging不是有放回的抽样么？在小样本上要用到啊。
又说：你本科没学这些啊。不是计算机专业的之类的巴拉巴拉
16.现在cv太卷了，深度学习成本低，容易用。机器学习快被淘汰了巴拉巴拉。
我：大脑深受震撼。
17排序算法讲一下：
我：讲什么？原理么。
回：复杂度，这些
我：讲了冒泡排序，归并排序，快排，希尔原理复杂度。
18打断：讲一下动态规划。
我：讲什么？做排序？之后说了动态规划简单的流程？
？？？电话面让讲动态规划？
19.问了我一两个没听过的名词，直接回答没听过。
ps:还有些问题记不得了，反正问了一个小时，你们细品。
大口喷：
1.全程每提一个问题我就要问一句你想让我讲什么？八股就算了，能不能把问题讲清楚了再八股？
2.八股的题库都不更新的么？rcnn那都什么年代的知识了，还要我从头讲到faster？
3.KPI面就已经很恶心了？你KPI还面我一个多小时？
4.麻烦找个有水平的技术面来面好吗？我奶奶照着本子八股都比你会说，搁我这过拟合和学习能力强没关系呢？给你分类100%正确率好不好？
5.cv卷你还三面+hr面？第三面和hr面还想现场面？麻烦面试前看一下我简历好吗。人在南京啊，跑杭州去给你带毒？
—————————————更新—————————————
1.focal loss 是怎么做的？
答：在1-y’上加上一个调制因子
这题答错了，实际公式比我说的复杂
换家公司继续面
投递影石Insta360等公司10个岗位 >