蚂蚁金服—人工智能部算法实习生面试记录

最新推荐文章于 2024-06-17 07:30:00 发布

管住嘴也能迈开腿的miracle-b-cool

最新推荐文章于 2024-06-17 07:30:00 发布

阅读量1.4k

点赞数 1

分类专栏：面试总结文章标签：深度学习计算机视觉面试

本文链接：https://blog.csdn.net/QWERtb2018/article/details/105518861

版权

本文记录了作者在蚂蚁金服人工智能部算法实习生面试的经历，内容涉及电话面试、线上编程环节，重点讨论了Mask R-CNN、CenterNet等计算机视觉模型的原理和改进点，以及ResNet的相关知识。面试中还涵盖了最新论文的了解和编程题目。

摘要由CSDN通过智能技术生成

3月底参加了蚂蚁金服的笔试，一周后约面，现将本次面试的一些问题记录如下，也方便秋招复盘。有相同经历的小伙伴希望可以一起交流。

形式：电话面试+线上编程（1h+）
1、自我介绍，项目+两个比赛。
2、项目中用到了Mask R-CNN，介绍一下Mask R-CNN，有哪些创新点？

Mask R-CNN承接自R-CNN系列，用于实例分割。主要有两点创新：在Faster R-CNN结构基础上，添加Mask预测分支；提出改良的ROI Align替代Faster R-CNN中的ROI Pooling，不再进行取整操作，使用双线性插值，使得为每个ROI取得的特征能更好地对齐原图上的ROI区域，解决ROI Pooling操作中两次量化造成的区域不匹配问题。

3、针对Mask R-CNN网络有哪些可改进的点？

提到“Mask Scoring R-CNN” CVPR 2019，在原有Mask R-CNN基础上添加一个额外的分支MaskIoU head模块，来给Mask打分，从而预测出更准确的分数。有效解决原Mask R-CNN中，Mask分割质量由检测分支的分类置信度决定，而实际Mask的质量是instance mask和ground truth之间的IoU作为评判。
“Learning in the Frequency Domain” CVPR 2020，提出频域学习的方法，仅使用一半大小的输入数据，就能提升Mask R-CNN的图像分割结果。

关注

专栏目录