👨💻作者简介: CSDN、阿里云人工智能领域博客专家,新星计划计算机视觉导师,百度飞桨PPDE,专注大数据与AI知识分享。✨公众号:GoAI的学习小屋 ,免费分享书籍、简历、导图等,更有交流群分享宝藏资料,关注公众号回复“加群”或➡️点击链接 加群。
🎉AI学习星球推荐: GoAI的学习社区 知识星球是一个致力于提供《机器学习 | 深度学习 | CV | NLP | 大模型 | 多模态 | AIGC 》各个最新AI方向综述、论文等成体系的学习资料,配有全面而有深度的专栏内容,包括不限于 前沿论文解读、资料共享、行业最新动态以、实践教程、求职相关(简历撰写技巧、面经资料与心得)多方面综合学习平台,强烈推荐AI小白及AI爱好者学习,性价比非常高!加入星球➡️点击链接
💚AI面经专栏总结: 本专栏主要为总结各小中大厂的面经系列总结,内容涵盖了多个热门技术领域,包括但不限于算法、机器学习、CV、NLP、大模型、测开、大数据、数分等,内容包括问题及详细答案,此外金邀请了行业内经验丰富的技术专家和面试官,分享面试经验和技巧,帮助求职者顺利通关各类技术面试。
算法工程师面经系列
小红书 算法工程师暑期实习
- 自我介绍
- 介绍实习项目和比赛项目,讲了好多,30分钟
- 检测的时候小目标比较多,一般怎么处理
(1)使用专门相关的模型,比如,YOLOv4-tiny、tph-yolov5和SSD等轻量级检测器通常会比较适合处理小目标。
(2)训练的时候调大img_size,但是比较耗显卡
(3)anchor_base修改anchor的大小和尺寸(根据调小),anchor_point修改point的步长(变小)
(4)特征增强:针对小目标,可以考虑使用一些特殊的方法来增强目标的特征。比如,可以使用特殊的损失函数来惩罚小目标的预测误差,或者使用多尺度特征融合来增强目标的特征。
(5)数据增强: 数据增强:使用数据增强技术来增加训练数据的多样性,以提高模型的鲁棒性。比如,对训练图像进行随机旋转、缩放、平移等变换,以及使用不同的色彩空间等。
(6) 后处理技术:针对小目标,可以考虑使用一些后处理技术来进一步提高检测的准确率。比如,可以使用非极大值抑制算法来抑制多余的检测框,或者使用目标跟踪算法来跟踪小目标的位置。
参考以下:
小目标检测问题分析与优化思路 - 知乎
目标检测 - 怎么提高小目标物体检测效果? - 知乎 - 编程题
给定一个字符串 s ,请你找出其中不含有重复字符的 最长子串 的长度。
示例 1:
输入: s = “abcabcbb”
输出: 3
解释: 因为无重复字符的最长子串是 “abc”,所以其长度为 3。
示例 2:
输入: s = “bbbbb”
输出: 1
解释: 因为无重复字符的最长子串是 “b”,所以其长度为 1。
示例 3:
输入: s = “pwwkew”
输出: 3
解释: 因为无重复字符的最长子串是 “wke”,所以其长度为 3。
请注意,你的答案必须是 子串 的长度,“pwke” 是一个子序列,不是子串。
示例 4:
输入: s = “”
输出: 0
0 <= s.length <= 5 * 104
s 由英文字母、数字、符号和空格组成
s = input()
n = len(s)
if n == 0 or n == 1:
print(n)
else:
dp = [0 for _ in range(n)]
dp[0] = 1
d = {}
ans = 0
d[s[0]] = 0
for i in range(1, n):
t = s[i]
if t not in d:
dp[i] = dp[i - 1] + 1
d[t] = i
else:
dp[i] = i - d[t]
d[t] = i
ans = max(ans, dp[i])
print(ans)
- 反问环节
(1) 主要的业务(图的表征,检测,多模态CLIP),用的模型(检测是yolov6)
(2) 需要学什么,做什么准备
(3) 总共有几面(4面)
(4) 其他候选人实习生的情况(基本人均顶会)
(5) 要有自学的能力,不要太频繁打扰别人,实在不会可以请教,公司有文档和资料可以学习