视频面试经历，科大讯飞，机器视觉算法研究员（一面）

  两位面试官都有发问。由于先视频后音频，我不太能分清是哪位面试官提的问。

  先是自我介绍。因为所做项目和岗位匹配度很高，面试官也是同方向的，所以让我很详细地介绍了项目过程。介绍完成后对于项目细节提了很多问题，如：

  · 如果让现在的你去做本科时候入门的限速标识检测你会怎么做；（引入机器学习，大规模收集test sample，不囿于限速标志）；

  · 怎样用机器学习的思想完成你本科项目中对于数字的识别部分【我回答的不是很到位，面试官补充道：你想想你自己用肉眼识别总结数字特征规律和机器学习的方法有什么区别和共同点（具体问法忘了）】；（我自己肉眼识别，在sample数很小的情况下，光凭观察看出特定数字的矩阵内数字分布情况；但如果是机器学习，计算机起初不知道怎样的特征对应着什么数字，我们就输入很大的一个sample set，通过sample 和lable的对应来让机器判断怎样的特征属于什么数字）

  · 怎样用机器学习的方法来解决最初的分割特定的包含着限速标志的区域？（懵了，这个步骤在我心里一直属于预处理的阶段。我的回答是：交通标识的形状特征和颜色特征都是很明显的。可以把这个问题转化成颜色识别和形状识别。在我当初的做法中，因为处理的照片都是我自己拍摄的，它们的颜色特征和形状特征都很明显。但是如果要运用到实际生活当中，在不同光照环境和角度的情况下，颜色信息和形状信息都很不明显，所以需要用大量的训练集，通过机器学习的方法让计算机知道怎样的颜色区间和形状区间属于限速标志，从而分割出特定区域）【我简直觉得我在不懂强答。。。】

  · 解释一下池化层和反池化层具体的工作原理ÿ