吉威空间面试经历

之前文远知行惨挂，痛定思痛，恶补了一下网络基础。

自我介绍；

神经网络常用模块：
卷积、bn、ReLU、池化

BN：
batch normalization，将输入图像处理成相同分布，提高泛化能力，防止梯度消失和梯度爆炸。

是否知道LN、IN？
不知道

反向传播：
输出对输入求导，使用链式法则向前求导

YOLOX对比之前网络的改进：
通道扩张、mosaic增强、focal loss

介绍一下focal loss：
RetinaNet网络中提出，为了解决单阶段目标检测存在的精度问题。
两阶段目标检测会划分正负样本，比较均衡。但阶段目标检测负样本数量远大于正样本，学习到大多都是无用信息。focal loss提出是为了降低易分类样本权重（以上是文远知行面试官告诉我的）。

公式：
好像回答错了。

NMS：
非极大值抑制（文远知行也问了），对于某一类别有很多的proposal，将这些proposal按照score排序，选出一个最大的，剩下的proposal与它做IoU，将IoU大于一定阈值的proposal舍弃，在剩下的中重复这一过程。

介绍一下PointNet：
回答的比较含糊。回头看一下。

为什么pointnet成为了一个基础：
回答是point base的开山之作，面试官说因为它证明了能以任意精度拟合什么东西，记不得了

手撕：
让用python手撕，完全不会

我问的：
对与这个岗位，比较看重哪方面的能力：
比较看重理论基础扎实与否，代码能力可以迅速补足（橄榄枝？）

贵公司的服务对象：
政府，军队

对于图像处理主要输出哪些信息：
海上船只、特定建筑等。