图像算法工程师-实习生

先做笔试题，包括手推线性回归，递归求阶乘程序，经典网络计算量比较（VGG、Inception、AlexNet）Linux 常用命令等。 然后是面试官现场面试，算法部分： 1. Faster R-CNN 网络的输入、输出(图片和 label，检测框的分类和坐标)。 2. Faster R-CNN 网络的结构(RPN 和 Fast R-CNN)。 3. Faster R-CNN 中 anchor 的作用(multiple reference，避免 image/feature/filter pyramid 的计算量问题)。 4. Faster R-CNN 的训练方法(交替训练、近似联合训练)。 5. 还熟悉什么检测框架(YOLO 和 SSD)。 6. SSD 与 Faster R-CNN 的主要区别，谁更快，谁更准？(一般来说 Faster R-CNN 更准，SSD 更快，当然和 backbone 等其他超参有关)。 7. SSD 的网络结构，正负样本怎么选。 8. Focal Loss 的原理，目的 9. 单阶段和两阶段检测网络的区别。 代码部分：1. 青蛙跳格子，第一问是否能到达终点，第二问最少几步可以到终点(无法到的话给出 -1) 2. 一个数组中和最大的子数组(动态规划)。 ...查看更多

一共两轮，一天面完。面感知实习生。1. 第一轮面试官是做客户端相关的。先介绍项目，一个研究，两个非深度学习项目。问非深度学习项目，后端，用什么框架。C++熟悉吗？ 做一道算法题。 leetcode medium 难度。第一次是给了 bruteforce， 给了提示之后得到 O（N）1.第二轮面试官是感知组的。问了深度学习项目，benchmark 的标准是啥，caffe 层写过吗？log loss 推导一下。 Faster RCNN 的四步训练过程。中间加了另一个人一起面。回去两天，发消息通过。...查看更多