此專欄主要總結(jié)各大廠機器學習相關(guān)的面試經(jīng)驗，歡迎大家投稿分享面試經(jīng)驗

最近有朋友問我如何準備視覺算法的面試，恰好看到一篇很不錯的文章（感謝@辛俊波寫的這篇文章），有相關(guān)疑惑的朋友可以看一下

如何看待 2020 屆校招算法工程師崗位求職人數(shù)遠大于招聘崗位的現(xiàn)象？?www.zhihu.com

崗位信息如下：

一面（時間2019.3.14，形式是視頻面試） -- 已涼

下午四點面試，晚上七點半收到了涼涼的郵件通知，不慌的，再接再勵，查漏補缺，下面我就詳細總結(jié)一下面試的經(jīng)過。

注意：回答不一定正確，僅提供了我個人的回答，答案里有些不正確的地方，我之所以給出我的個人回答只是為了更好地還原面試過程，最近如有時間，我會整理出正確的答案。

注：我在下面的這篇文章中匯總了一些好文章，如果有需要的可以參考一下

JustDoIT：計算機視覺知識點總結(jié)?zhuanlan.zhihu.com

致謝：感謝各位朋友和各位大佬給出的寶貴意見

總結(jié)：根據(jù)各位朋友和各位大佬給出的寶貴意見，我反思總結(jié)如下：

• python 和 c++基本語法不夠扎實，需強化基本語法點

例如對python里面的集合set不太熟悉

• 回答過于簡潔，難免給面試官基礎(chǔ)知識不扎實的錯覺，需講得更詳細
• 深度學習的基礎(chǔ)知識不扎實，不系統(tǒng)化，需構(gòu)建知識體系

面試建議：面試官主要是對著簡歷進行提問的，然后再擴展一下相關(guān)的知識點。面試主要考察了項目、比賽以及一些理論知識和編程語言的語法點。建議大家可以看著崗位信息進行簡歷的制作并且在簡歷上出現(xiàn)的內(nèi)容需要好好準備一下。

下面就開始還原面試過程

1、簡單自我介紹

2、kaggle "TGS Salt Identification Challeng"模型的準確度是怎么算的？

我說ap，然后面試官問有沒有用miou，我說沒有

TGS Salt Identification Challenge

3、說一下unet的結(jié)構(gòu)

卷積，下采樣，上采樣，然后低層特征圖和高層特征進行融合，最后進行分類

4、熟悉deeplab嗎，aspp是怎樣的

不太熟悉，目前正在閱讀相應的論文和源碼，我目前是對FCN，unet，refinenet，mask rcnn比較熟悉

5、說說 智能盤點—鋼筋數(shù)量AI識別 這個比賽

這個比賽是實現(xiàn)拍照即可完成鋼筋點根任務，先使用了YOLO，然后用了faster rcnn還有retinanet

智能盤點-鋼筋數(shù)量AI識別 - DF,CCF大數(shù)據(jù)競賽平臺

6、retinanet的focal loss是解決的什么問題

解決類別不平衡問題，對困難樣本的損失分配比較大的權(quán)重

既能調(diào)整正負樣本的權(quán)重，又能控制難易分類樣本的權(quán)重

7、那focal loss有解決背景樣本和目標樣本的問題嗎

我說應該有

8、談一下比賽中提到k-means算法

我說yolo是根據(jù)iou來進行距離度量的

https://github.com/AlexeyAB/darknet/blob/master/scripts/gen_anchors.py

9、那k-means是怎么實現(xiàn)的，k近鄰算法呢

這個我用的是官方源碼

估計面試官想問的是這個原理，K-Means聚類算法原理 - 劉建平Pinard - 博客園

10、opencv做了哪些數(shù)據(jù)增強

直方圖，翻轉(zhuǎn)，隨機裁剪，高斯模糊，高斯噪聲

11、怎么做的模型融合

如果是同個模型，會整合兩個模型的檢測結(jié)果，根據(jù)score來排序再做nms操作。

但這里我是用的不同模型，用的yolo和faster rcnn，他們的score沒有太大的可比性，所以我沒有用score來排序，我是求兩個模型的交集，以解決誤檢的問題

12、為什么用交集，不用并集

其實這個我是根據(jù)提交結(jié)果來決定的，事實上，在這里交集的效果比并集好，交集解決誤檢問題，并集解決漏檢問題

13、安檢機物品檢測的圖片格式是怎么樣的

x光掃描的RGB圖

14、為什么選用yolo而不用unet

比較熟悉yolo

15、yolo是怎么分配檢測框的

每個grid分配9個檢測框

yolo會輸出3種尺寸的特征圖，13*13，26*26，52*52，每種尺寸特征圖的每個grid預測3個框

16、yolo的預測框是什么值（x，y，w，h）

是相對grid的相對值

17、faster rcnn回歸用的什么公式

我說歐式距離

實際是smooth l1

18、熟悉smooth L1嗎

描述了一下函數(shù)形式

19、說一下nms的操作

對每一類進行nms，先根據(jù)score進行降序排序，然后計算最高的score和其他框的iou，去掉iou大于閾值的檢測框

https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/nms/py_cpu_nms.py

20、那假如一個類有1000個框，怎么計算iou和去掉大于閾值的框

先拿score最大的檢測框和其余的檢測框進行iou操作，這里用到了numpy數(shù)組的廣播機制，然后用numpy的篩選操作，把大于一定閾值的檢測框的score置0，然后下一次迭代從score不為0的檢測框進行上述操作，直到操作完成

21、熟悉哪些基礎(chǔ)網(wǎng)絡(luò)

熟悉VGG、GoogleNet還有resnet這幾個提取特征的，還有FPN這個來融合信息的

22、熟悉一些新的網(wǎng)絡(luò)嗎

不太熟悉，最近沒關(guān)注，最近在研究代碼

估計面試官想問的是這些網(wǎng)絡(luò)Xception、DenseNet、DetNet，在文章開頭的鏈接里匯總了

23、激活函數(shù)有哪些

sigmoid還有relu

還有tanh等
Activation function

24、sigmoid存在什么問題

梯度消失

25、relu的表達式

我說成leaky relu的了，然后面試官說確定嗎，不是relu的變形嗎，

我說我說錯了，然后我糾正了一下

26、relu的變體有哪些

learky relu

如何理解ReLU activation function?
請問人工神經(jīng)網(wǎng)絡(luò)中的activation function的作用具體是什么？為什么ReLu要好過于tanh和sigmoid function?

27、熟悉normalization嗎

比較熟悉bn和gn

張俊林：深度學習中的Normalization模型

28、說說bn

bn是解決梯度消失問題的，通過bn能使數(shù)據(jù)在輸入到激活函數(shù)之前回到導數(shù)較大的位置

#解決問題
解決內(nèi)部數(shù)據(jù)分布不穩(wěn)定問題
#做法
統(tǒng)計mini-batch個樣本的期望和方差從而進行歸一化，但這樣會導致數(shù)據(jù)表達能力的缺失，所以要引入兩個參數(shù)從而恢復數(shù)據(jù)本身的表達能力
#優(yōu)勢
使得網(wǎng)絡(luò)中每層輸入數(shù)據(jù)的分布相對穩(wěn)定，加速模型學習速度
允許網(wǎng)絡(luò)使用飽和性激活函數(shù)，緩解梯度消失問題
具有一定的正則化效果

29、bn是做了歸一化嗎

先做了歸一化，例如先減去期望再除以方差，然后再乘以一個參數(shù)和加上一個參數(shù)，這兩個參數(shù)是可學習的

30、bn是在哪一維進行操作的

在mini-batch和通道這兩維，描述了一下具體是怎么算的。我舉了個例子，四維tensor，分別是[n,c,h,w]，然后bn是統(tǒng)計每張?zhí)卣鲌D的期望和方差，而這個期望和方差是n個樣本同一張?zhí)卣鲌D的期望和方差

31、那gn有什么用

gn是解決bn對mini-batch過度依賴，gn是在通道處進行分組統(tǒng)計，不依賴mini-batch

32、bn和gn都在哪用

bn和gn我所了解的是在目標檢測，當然圖像分類也用到bn

33、c++和python是都熟悉嗎

是的

34、那c++的指針和引用有什么區(qū)別

一個用的地址，一個是別名，但都能修改值

35、那引用能重新賦值嗎

不能

36、靜態(tài)變量有什么用

能不在實例化類的情況下進行調(diào)用，而且每個實例化后的對象共享這個值

37、靜態(tài)變量在哪初始化，能在類內(nèi)初始化嗎

在類內(nèi)類外都行

一般是在類外初始化，如需在類內(nèi)初始化，要求該靜態(tài)變量為靜態(tài)字面值常量類型 C++ 靜態(tài)成員的類內(nèi)初始化 - WanChouchou - 博客園

38、靜態(tài)函數(shù)有什么用

能在不實例化類的情況下進行調(diào)用

39、python有什么常用的數(shù)據(jù)類型

列表、無序字典和有序字典

列表、元組、字典、集合等

40、對多線程了解嗎

了解，但沒寫過

41、那如果讓你自己實現(xiàn)pytorch里面的dataloader，你怎么可以使它加載快點

用多線程

42、python的append和extend有什么區(qū)別

append是添加單個元素，extend是添加一個列表

43、出一道算法題

算法題如下：給個有序數(shù)組，然后求元素平方后不重復的元素個數(shù)，例如[-10, -10, -5, 0, 1, 5, 8, 10]

我思想描述對了，然后面試官說有更好的方法嗎，我想了一下說沒有，然后面試官讓我選個語言實現(xiàn)一下，選擇了python來實現(xiàn)，用到了字典，然后面試官說用集合會不會更好，我說會的

# 這是我的實現(xiàn)，沒有用到集合，如果用到集合會更好 data = [-10, -10, -5, 0, 1, 5, 8, 10] new_list = [] for x in data:temp = x*xif temp not in new_list:new_list.append(temp) print(len(new_list))# 其他實現(xiàn) print(len(set([x**2 for x in data])))# 評論區(qū)有朋友提到，使用雙指針會更優(yōu)

44、有什么問題想了解的嗎

我說看崗位信息提到會進行技術(shù)的理論研究和技術(shù)的落地，如果我去了會負責什么，面試官說因為實習時間比較短，一般是做些技術(shù)落地的項目

45、那有師傅帶嗎，那一般做什么項目

有師傅帶，一般做力所能及的項目

參考：

1 U-Net: Convolutional Networks for Biomedical Image Segmentation

2 Focal Loss for Dense Object Detection

3 YOLOv3: An Incremental Improvement

4 Fast R-CNN

5 Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks

6 AlexeyAB/darknet

7 rbgirshick/py-faster-rcnn

8 Rectifier (neural networks)

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的opencv计算brox光流_字节跳动计算机视觉算法实习生视频面试的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。