自驾算法一面

项目用anchor-based的，有没有考虑用anchor-free的方法？为什么anchor-free在这个项目里比anchor-based差，有没有想过为什么？ 有没有试过DETR的方案或者其它方案？ 对于目标密集和遮挡情况下，anchor-based和anchor-free有什么区别，比如分类有人和自行车，现在一个人骑着自行车，用anchor-free和anchor-based方法训练会有什么不一样？（anchor-based方法预测的框的数量多召回率高，anchor-free的精确率高召回率低，答案是anchor-based方法会匹配的更好，因为不同类别的宽高比大小不一样，，但anchor-free方法虽然也能预测出来位置，但是对类别会比较容易混淆，人和车的概率区分不出来，） 固定摄像头视角，车由远及近，形状变化较大如何考虑，远是密集且小，近是稀疏且大，有没有考虑如何让他变得更好？ 场景有白天和黑夜，有没有做增广的策略，cover不同天气，逆光场景用HSV调很难？（HSV增强，强光抑制） Deformable Transformer即可变形Transformer(也是为了缓解一对N这个问题，用权重来让注意力关注我的一个局部范围，而不是所有点)和可变形卷积的区别是什么？ 除了Transformer你还知道哪些可以提取global的特征的方法？（多尺度特征，PANet,FPN，金字塔池化，其实面试官想聊空洞卷积，傅里叶变换，可变形卷积） 对不同尺度模型实现平衡的检测能力，其实也是一种global和local都去抽的一种策略，可以这样理解吗？大目标更关注global特征，用大卷积，小目标关注local特征，不同位置对local和global的关注不同。比如检测大象3*3只能卷到腿，如果是大的感受野的话就能看到整个大象， 小目标和大目标如何balance？ anchor-based方法针对不同尺度目标有什么改进点，从正负样本匹配和loss上想一想？（CIOU损失，损失权重，正负样本匹配增大正样本比例） 针对小目标检测，在正负样本匹配上可以如何改进？（小目标分支设置更多anchor,增大小目标正样本，增大小目标损失） 你还知道IOU的哪些变种，GIOU？ 笔试：链表两两翻转结点，不改变值 反问：base,部门业务，OCC，多模态还是单模态，（单模态多，2D单，3D单，也有多模态的），用transformer架构，需要会用还要会改进

文远知行WeRide2026届校园招聘（及26届实习）

【开放岗位】

算法类、开发类、硬件类、测试开发类

【工作地点】

北京、上海、广州、深圳、武汉、圣何塞、新加坡

【福利待遇】

免费三餐，不限量零食饮料，满足你的味蕾！

具有竞争力的薪资，期权激励，与公司共享发展红利！

【内推链接】https://app.mokahr.com/campus_apply/jingchi/2137?recommendCode=DSZPPtuc#/jobs

【内推码】DSZPPtuc（内推链接优先筛选~）大家投递完可以在评论区打上姓名缩写+岗位（比如PM+LJJ），我来确认有没有内推成功喽

大家投递完可以在评论区打上姓名缩写+岗位（比如PM+LJJ），我私你们面经~~