简称NMS。。。 故事背景 在object detection中，任务一般有两个方面： 首先要找到物体的大概位置（如图所示的框框，bounding box，简写为bbox） 然后分析这框框里是个啥物体（分类 class） 但是实际上我们可能找到好些框框，其实圈住的大概是同一个物体，这样的情况下其实保留一个最好的框框就够了。 算法 理念很简单呐，以左边的一只狗为例 首先呢，蓝色框框和橘色框框的重叠区域过大，证明他们其实很可能指的是同一只狗 那么就选出最有可能是这只狗的框的bbox。其余的统统丢弃。 那么问题来了： 重叠区域怎么算？专业术语交并比，Intersection over ...

方差和偏差 偏差bias：模型过于简单导致欠拟合，或者模型错误拟合。反应的是模型在样本上的输出与真实值之间的误差。方差variance：模型过于复杂导致的过拟合。反映的是模型每一次输出结果与模型输出期望之间的误差。方差越大，说明模型比较复杂敏感。

600分得了13分哈哈哈哈哈哈哈

一面： 飞书线上面试，画质美丽 1.神经网络优化方法 2. 线性回归和逻辑回归 3. attention机制 4. 过拟合的解决方法 5. 多级别，多分类问题的损失函数设计 6. 代码：计算bounding box的交并比 基础知识较多，比较顺利。 二面： zoom线上面试，画质渣，音质渣 1. 自我介绍 2. 讲解毕业设计项目 3. 针对毕设项目提出一些问题：1）关键点是怎么提取的 2）模型的输出是什么 3）怎么实际应用的attention机制 (这部分感觉自己没讲清楚） 4. L1norm和L2n...