商汤算法岗实习面经

商汤算法岗实习面经

面试安排 :3轮技术面+1轮HR面

一面(1小时):

1.自我介绍:简单介绍一下自己的研究方向,研究成果,做了哪些实验
2.详细描述一下做过的实验。怎么做的,为什么这么做,效果怎么样,结论是什么
3.了解目标检测吗(我做的视频动作识别),问了一些目标检测的基础,IOU,NMS,Focal Loss,Focal Loss的缺点以及如何改进等等
4.手撕代码:给定两个字符串str1和str2,再给定三个整数ic,dc,rc,分别代表插入、删除、替换一个字符的代价,返回将str1编辑成str2的最小代价。
5.有什么问题想问的吗。

二面(1小时):

1.自我介绍:简单介绍一下自己的研究方向,研究成果,做了哪些实验
2.介绍一下发表的论文所做的工作
3.视频动作识别有哪些主要流派
4.深度学习基础:BN层参数量,BN层为什么有效等等(记不清了)
5.手撕代码:手写快排
6.问数学怎么样,我说还不错。然后接下来三个问题,一个没答上来。。。矩阵理论没学过,真没办法,我不会啊。

三面(1小时):

1.自我介绍:简单介绍一下自己的研究方向,研究成果,做了哪些实验
2.详细介绍一下发表的论文提出的算法,听完给我分析了这个方法的优缺点,应用,以及后续能做的事情等等。
3.手撕代码:图的遍历(DFS BFS自选)
4.有什么问题想问的吗。

HR面

总的来说,商汤的面试体验非常好。面试官都很专业,并且给你一种互相交流的感觉。面试的基调应该还是考察基础知识(实习生的面试是这样),手撕代码环节的难度有点儿超出我的预期。我以为难度在mid及以下,谁知道一上来就是hard。。。。当然还是自己题刷少了,自己菜,图遍历写的不堪入目(这东西平时是真没准备,好久没看图相关了)

  • 1
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
商汤LoFTR是一种基于Transformer的视觉特征匹配算法,其主要用途是在图像拼接、图像配准、图像检索等领域进行特征匹配。下面是对商汤LoFTR源码的详细解释。 1. 代码结构 商汤LoFTR源码主要包含以下几个文件: - models.py:包含了特征提取器和特征匹配器的代码。 - utils.py:包含了一些用于数据处理和模型训练的辅助函数。 - datasets.py:包含了用于加载数据集的代码。 - train.py:包含了模型训练的代码。 - inference.py:包含了模型推理的代码。 2. 特征提取器 商汤LoFTR使用的特征提取器是一个基于Transformer的网络,由多个Encoder和Decoder组成。在商汤LoFTR中,Encoder和Decoder都是由多个Self-Attention层和全连接层组成的。 在Encoder中,Self-Attention层用于在输入序列中寻找相关的信息,并将其编码为一个固定长度的向量。全连接层用于将这些向量合并到一起,生成一个包含整个输入序列信息的向量。 在Decoder中,Self-Attention层用于在给定的查询序列中寻找与输入序列相关的信息,并将其编码为一个固定长度的向量。全连接层用于将这些向量合并到一起,生成一个包含整个查询序列信息的向量。 3. 特征匹配器 商汤LoFTR使用的特征匹配器是一个基于双向长短时记忆网络(BiLSTM)和点积注意力机制的网络。该模型输入两个特征向量序列,并输出两个序列中每个位置的相似度得分。 在特征匹配器中,BiLSTM用于对输入序列进行编码,并将其转换为一个更高维度的表示。点积注意力机制用于将两个特征序列中相似的位置进行匹配,生成相应的相似度得分。 4. 数据集 商汤LoFTR支持使用自定义数据集进行训练和测试。数据集可以包含多个图像,每个图像可以包含多个特征点。商汤LoFTR使用OpenCV库中的SIFT算法对图像进行特征点提取。 5. 模型训练 商汤LoFTR的模型训练分为两个阶段。 第一阶段是特征提取器的预训练。在此阶段,使用大量的无标签图像数据对特征提取器进行训练,以便使其能够从图像中提取出有用的特征。 第二阶段是特征匹配器的训练。在此阶段,使用有标签的图像对数据集对特征匹配器进行训练,以便使其能够将两个图像中的特征点进行匹配。 6. 模型推理 商汤LoFTR的模型推理主要分为两个步骤。 第一步是使用特征提取器对输入图像进行特征提取。在此过程中,商汤LoFTR使用OpenCV库中的SIFT算法对图像进行特征点提取,并将提取到的特征点通过特征提取器进行编码。 第二步是使用特征匹配器对两个输入图像中的特征点进行匹配,并输出每个特征点的匹配结果。 7. 总结 商汤LoFTR是一种基于Transformer的视觉特征匹配算法,其主要用途是在图像拼接、图像配准、图像检索等领域进行特征匹配。商汤LoFTR的源码结构清晰,可以通过自定义数据集进行训练和测试。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值