CV方向面试经验技术路线总结

CV方向：（object detection， semantic segmentation， 人脸，姿态，视觉重建，图像恢复生成（gan），识别分类等） 

 

面试经验总结：对自己项目的每个细节都了解清楚，多总结面试 

对基本知识点的掌握要清晰，不能模棱两可 

对算法公式的掌握要细致，防止推公式。 

 

需要准备的：论文，实习经历，项目（硬实力） 。  软实力就不说了，问啥都得会是最好的 

 

 

 

 

To do： （以下内容来自微信工作号）

做项目时，边搜集数据可以边用已经搜集好的“少部分数据跑模型”。不用等所有数据都搜集好了再跑。 

不知道什么算法合适，可以把所有算法都跑一次，看效果再选择。多跑几个应用场景就知道什么算法适合什么场景，什么数据对不同的算法有什么影响。 

不知道最佳参数，可以用random search或者 grid search自动搜索最佳参数组合，有经验后对每个参数的大概范围心理都会有数。 

练习工程能力。（把算法运用到实际应用中，包括算法优化、加速等，要上 C++） 

模型复现和刷题是很好锻炼工程能力的一种方式。 

模型复现可以给自己规定一个任务，比如在一个月内把某论文的tf实现代码使用pytorch复现等。 

复现过程中最难的是写新的op和模型效果（速度、精度）对其，这方面很难但收获很大。 

如果做新项目可以先看有没有pre-trained model。 

跑完算法一定要有一个成品的形态，不要只做算法，跑完最后能封装成一个接口。 

学会和领导汇报，学习新算法一定要把模型跑起来，还需要关注上线，部署，压缩等方面内容。 

 

 

Not To Do： 

训练数据不要太干净，实际场景的数据不会太好。可以尝试往训练数据中加点噪声。 

做一个项目最好深挖，挖到好的结果。而不是简单的跑通，只是跑通没必要写到简历里。 

没必要恶补数学。可以有空了看 

 

 

及某司一面面经：

1.自我介绍 

2.项目（问的很细致） 

3.基础： 

梯度爆炸梯度消失 

L1范数L2范数原理，公式 

过拟合 

Yolo ssd fast系列区别 

包括yolo 1-3（对于yolo的细节提问） 

Ssd 各种变体 

4.两道简单算法： 

判断链表有环 

二叉树中序遍历 

5.问答环节 

 

老师建议：多比较相关算法，多看state-of-the-art算法 

多运用到工程，想一想工程方向的优化。在有算法的基础做一做开发对于自己的成长有帮助