魔门塔科技

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)。