ucloud算法岗面试

1面 30min
0.自我介绍
1.手撕代码：二叉树的层次遍历
2.问了一下我的地平线项目
3.SVM的原理过程
4.无人机项目详细介绍
5.手写resnet50的代码，用gluon框架（这个intel问到过，还好复习了）
6.问了一下云计算公司的AI团队是做什么的

2面 hr 15min
0.有什么offer，薪资多少
1.自己有什么优点和缺点
2.家里的情况
3.对ucloud的认识
4，有什么想问的

3面 技术面 1h
0.自我介绍
1.无人机项目介绍，做过什么数据增强？
2.Yolov3的anchors的问题，9个anchors代表什么？
聚类得到的anchors，333组合，代表不同的尺度
3.yolov3的loss有哪几部分？
xywh，也就是bbox的那个loss，还有class的loss。object的置信度的loss
4.类别样本不均衡的处理方法：OHEM，focal loss，重采样，过采样，欠采样
这个都要知道原理
5.YOLOv3中怎么做到解决样本不均衡问题的
yolo中的样本不平衡处理比较简单，直接去掉iou thresh比较大的部分
6.box当中对x,y,w,h进行了什么操作，权重的操作，对小物体检测有帮助？

相当于这里乘上了一个scale，对小物体有一个平滑的操作。

7.FPN的过程原理，13,26，52
自底向上，自顶向下进行上采样
8.不同尺度的anchor的通道数代表什么3（5+80）=255*
这里比较重要，涉及到最后的anchors的问题
9.anchor中这些anchors(1313,2626,52*52)对应的mask怎么匹配的，就是0,1，2对应之前的；3,4，5对应中间的，6,7，8对应后面的。
这里注意13 * 13，因为grid数少，所以应该是检测大的物体，52 * 52比较大，所以是检测小的物体，这里刚开始被我说反了。。。

10.faster-rcnn介绍，ROI pooling是什么，对一张1010的图进行roi pooling，怎么做，对他进行一次量化10/3=3,之后进行33*4这样分配。
ROIpooling在RPN网络的后面，作用是把region proposals变成相同的维度再送入后续的fastrcnn网络中，我们可以从不同大小的方框得到固定大小的相对应的features maps，而且极大地提高了处理的速度。

11.ROI align的过程，相对于ROI pooling来说有什么优势。
ROI Align没有pooling中的量化操作，而是使用了双线性插值法来计算像素值。对于检测图片中大目标的物体时，两种方案差别不大，如果是图片中有较多的小目标需要检测时，则ROI Align比pooling有更高的精度。

eg。3 * 3 和4 * 4之间的差距以及10 * 10 和 11 * 11之间的误差，显然前者更大
12.车道线检测当中的一些问题，传统图像处理，canny，OSTU，Hough
这里用传统的图像处理方式去检测车道线可能鲁棒性比较差。
13.Opencv中做数据增强的操作，怎么做。
14.有什么要问的。。

整体感觉ucloud的面试官还是挺有意思，有目标有追求有激情。公司的使命价值观也挺好的，3面的时候面试小哥哥还会给我解释我不太清楚的地方，体验还不错，希望有个好结果！

4面 部门leader面试 20min

0.自我介绍
1.无人机项目的一些问题。
2.问我对于城市的选择
3.想做什么方向的工作。
4.自己有什么优势，特点，优点