一面（5.14）：
1. 算法题：最大参会数
2. RPN保留候选框的规则？怎么控制生成正负样本候选框数量？
3. channel wise attention的操作？典型的实现（SE net）？
4. 有哪些上采样方法？反卷积的计算操作？
5. 算常规卷积的计算量
6. 了解哪些常用的检测算法？单阶段/双阶段检测的理解？
7. 介绍ASPP
8. 空洞卷积的输出尺寸计算
9. 写focal loss公式
1. 算法题：最大参会数
2. RPN保留候选框的规则？怎么控制生成正负样本候选框数量？
3. channel wise attention的操作？典型的实现（SE net）？
4. 有哪些上采样方法？反卷积的计算操作？
5. 算常规卷积的计算量
6. 了解哪些常用的检测算法？单阶段/双阶段检测的理解？
7. 介绍ASPP
8. 空洞卷积的输出尺寸计算
9. 写focal loss公式
二面（5.14）：
1. 自我介绍
2. 项目相关
3. 代码：给定rand5()函数实现rand7()函数
4. 代码：给一个数组，对每个元素计算该元素右侧小于该数的数量（暴力法的运算复杂度？怎么用搜索树实现？）
5. nms的计算方法？IOU怎么算？
6. 有哪些上采样方法？双线性插值的操作？反卷积的操作？
7. focal loss是为了解决什么问题？
8. channel wise attention和element wise attention的实现？为什么有利于小目标检测？
9. 了解哪些分类网络？mobilenet系列的改进？轻量化是怎么实现的？（深度可分离卷积）
10. xgboost介绍？（算法思想和对比）
11. focal loss为了解决什么问题？怎么解决难易样本分布不均的？
1. 自我介绍
2. 项目相关
3. 代码：给定rand5()函数实现rand7()函数
4. 代码：给一个数组，对每个元素计算该元素右侧小于该数的数量（暴力法的运算复杂度？怎么用搜索树实现？）
5. nms的计算方法？IOU怎么算？
6. 有哪些上采样方法？双线性插值的操作？反卷积的操作？
7. focal loss是为了解决什么问题？
8. channel wise attention和element wise attention的实现？为什么有利于小目标检测？
9. 了解哪些分类网络？mobilenet系列的改进？轻量化是怎么实现的？（深度可分离卷积）
10. xgboost介绍？（算法思想和对比）
11. focal loss为了解决什么问题？怎么解决难易样本分布不均的？
两轮面试是连在一起的，问的很细，面试官很会问，人非常nice，答不上来的也会给解释，面试体验非常好。
但是感觉答得不太好，估计是凉了
全部评论
(2) 回帖