- 视觉算法工程师 一面
- 形式:腾讯会议 视频面试。
- 这个岗位是视觉算法工程师。
- 时间持续了一个小时二十分钟。
- 参会人有HR、技术面试官、求职者。
- 首先是HR开始问一些简单的问题(询问个人信息),然后切换到技术面试官。
- 主要问题有:
Q:介绍一下简历中你最感兴趣或者最自豪的项目
- 因为是安防领域,所以重点讲了和这个方面比较接近的REID项目
Q:你们的解决方案和友商相比的优缺点有哪些?
- 这个可能比较侧重考查对行业的洞察力
Q:纯视觉的方案有什么不足之处?
- 回答中提到了一些摄像头分别率的影响、目标伪装的影响、设备依赖的影响、运行速度的影响
Q:如果让你设计一个REID方案,怎么做比较好?
- 提到了多源数据融合、关联规则判断、时空信息绑定
Q:在2000米的高空,有20个摄像头,它们的拍摄区域互相有重叠,怎样把20个摄像头的画面合成一个?
- 回答中提到了图像标定、裁剪拼接的方案,还有另一种依靠相似度拼接的方案
Q:针对人体的REID怎么做?
- 提到了服饰识别、步态识别、时空信息关联、通信数据绑定
Q:跨摄像头的航拍图像,怎样进行目标跟踪?
- 提到了id合并、轨迹拼接、时空关联、规则判断
Q:BN的原理以及效果
- 提到了数据分布的影响,后来才想起来,那叫做协变量偏移
Q:YOLO3中如何解决多尺度检测
- 大致提到了三种anchor的组合,但当时有点懵,没讲清楚
Q:warming up的原理
- 这个当时想不起来了,就直接说不知道,好尴尬
Q:图像增强的方法有哪些?
- 回答了常见的马赛克、mix_up、cut_up
Q:做视觉和做数据这两个方向,更偏向哪一个?
- 没有说偏向哪一个,就讲它们是相辅相成的关系,偏向哪一个都不好
Q:在航拍图像上,如何对小尺寸物体进行检测?
- 提到了center net等anchor free的算法,还有在模型训练的时候增加小尺度目标的训练集
Q:如何增强航拍图像融合的实时性?
- 提到了算法层面上的优化,比如用解析解代替梯度下降,用特征点代替整张图片
- 其实还可以通过模型量化、压缩等方法(当时忘记了)
- 以下是HR的补充问题:
Q:为什么会想要换工作?
- 主要从职业发展的角度回答
Q:你对一份工作最看重的是那些方面?
- 回答了创造价值、个人成长、公司发展三个方面
Q:过去几次换工作的原因是什么?
- 如实回答了
Q:未来有没有清晰的规划?
- 回答了三到五年的规划,分为技术成长和综合能力方面
Q:当前的薪资结构?
- 如实回答
Q:研究机构和互联网企业的区别有哪些?
- 提到了目标设定和做事风格两个方面
- 之后换成我提问了,问了一些关于 “旌旗”这款产品感兴趣的点。
- 总体觉得这家公司还是在踏实做技术的,涉足的领域也比较前沿,不过面试的过程有点紧张,
- 还有问题回答得不够好,应该是挂掉了,祝靖安越来越好。