一面:过 (70min)
面试图森之前查了一下牛客,这家公司真的是**(难! 难 ! 难!)**,事后还和hr进行了吐槽,不过毕竟融资了这么多,也确实应该问难点。
1.问了RRC,说这么老的论文,你怎么还看?问我是怎么实现的,为什么效果比较好?
我当时忘了这个是什么时候的论文了。他说,17年4月份的,我吓了一跳,这都能记住,吓得我直接切屏去查了查论文的发布时间。我说类似于FPN,但是和FPN不同的是后续的block会对之前block做出贡献,每个block由前面的block形成left,最后进行concat,言辞及其的模糊,不知道怎么形容啊。
2.问了一下CBNet,COCO上提升精度是与什么比较的?
巴拉巴拉
3.为什么anchor-free的方法能够得以实现,主要是因为什么?
我回答主要是heatmap,然后高斯核分布,可以进行key-point检测,对密集型区域的话,主要是缩小的gd的范围,他说我没达到点子上。。。。(这时候头条,百度相继打电话,我没听清他和我解释的内容。。。)
4.ACNet是怎么实现的?
巴拉巴拉
5.SSD进行了什么修改?
巴拉巴拉
6.one-stage与two-stage的区别?主要的划分依据是什么?
类似于RCNN-fastercnn都是two-stage,yolo,ssd都是one-stage。这个问了差不多20多分钟,他提了三种问题,问我是属于哪一种,我后来回答,有RPN得提取ROI并进行Refine都算two-stage,他说这个是个开放性问题。。。。
7.batchnormalization训练和测试有什么区别?
训练是一个batch计算,测试是移动加权平均。
8…batchnormalization在部署的时候有什么技巧,加速?
回答,不知道,我没有用过?(那你让我咋说呢?),后来他说.batchnormalization是线性的,卷积也是现行的,两者可以合二为一进行叠加,可以加速。。。(听得云里雾里)
9.前景背景数量级相差过大用的是什么方法?传统的二阶段是怎么处理的?
就会一个focal-loss,简单介绍了下。二阶段是会先产生ROI区域,这时候背景就少了很多。他说没有回答到点子上。是根据比例,1:3,背景是根据比例获取的。
二面:挂
主要还是问的简历,抠的比较细,最后算法挂了。主要是动态规划和贪心