首页 > 笔经面经 > TP-LINK提前批 图像算法工程师(成都) 面经

TP-LINK提前批 图像算法工程师(成都) 面经

头像
卷不动的人儿
编辑于 2021-06-19 10:40:40 来自Android 客户端 APP内打开
赞 2 | 收藏 22 | 回复2 | 浏览2987
6.15(一面)  时长:30min
1.自我介绍
2.项目介绍(后面问题根据项目展开的)
3.yolov3的结构说一下,为什么采用yolov3(略)
4.yolov4了解吗,说一下里面有哪些tricks(略)
5.densenet和resnet他们主要有什么不同(前者是特征拼接,后者是特征想加)
6.mobilenet里面网络的结构说一下(主要是采用深度分离卷积的思想降低参数量和运算量)
7.除了结构上采用轻量化网络外,还有哪些轻量化方法(知识蒸馏,模型剪枝,简单说了一下)
7.LSTM和GRU介绍一下(讲了里面的几个控制门)
8.训练时,初始化对训练有影响吗(有,至少不能初始化为全0,否则可能不收敛)
9.你知道哪些初始化的方法(我说了预训练,也说了从头训练scratch)
10.机器学习算法了解吗(我心想终于到熟悉的领域了,太自信说了句经典算法都比较熟悉,他问了个不走寻常路的,我哭了)
11.在bagging中,树增加时,偏差怎么变化(我人傻了,bagging是降低方差,他问的是偏差,我说了不知道,但是后面仔细思考了下,基分类器模型结构复杂时,偏差应该变小才对)
12.说一下extern,static(我没听懂面试官extern的发音,表现得一脸懵逼,然后他又问的static,然后我讲了一遍,后来我才知道前面问得是extern)
13.传统的图像处理方法学过吗(本科学过,但忘得差不多了,只了解膨胀腐蚀,开闭运算和一些边缘算子)

反问:1.你们主要用的是传统的图像处理方法吗(传统,深度学习方法都在用)
2.对传统方法了解比较少的话,是不是竞争力比较弱(你这么问就没意思了,我只能说我们会综合考虑)

6.16(二面)  时长:40min
二面比较匆忙,到了约定的时间面试官还没来,我打电话问了下情况,才知道上一个面试的人还没结束(面试官赶时间说电话面)
1.上来说不用自我介绍了,我们抓紧时间直奔主题
2.介绍一下你的项目(略)
3.说一下yolo系列算法每一代是怎么改进的,性能有哪些提升
4.双阶段的检测算法了解过吗(了解),介绍一下RCNN这系列的方法,说说每个版本是怎么改进的(前后介绍了RCNN,Fast RCNN,Faster RCNN)
5.说一下SSD的方法(这个我记得不太清楚了)
6.说一下归一化,标准化和白化(略)
7.说一下sigmoid函数和softmax函数(前者二分类,后者多分类并能给出预测概率,说了一下函数形式)
8.sigmoid和softmax两者有什么关系(我说我不太确定,前者是后者的特例形式,他说是的)
9.问我第二个项目轻量化网络是怎么考虑进行设计的,有做过哪些尝试
10.实验数据量有多少(1000多张图像),数据不多的情况,有哪些防止过拟合的方法(图像数据增强,引入正则项,降低模型复杂度,dropout等)
11.训练过程中如果模型不收敛,请分析可能得原因(可能是数据分布本身的问题,可能是超参(例如学习率)不合适,可能是梯度消失或者爆炸导致的,可能是模型初始化导致的等)
12.激活函数ReLU和LeakReLU有什么差异(说了两个激活函数的形式,主要差异体现在对负半轴数据的处理,后者可以防止神经元被掐死,但我补充了一下说一半采用ReLU+BN层不会出现类似的问题)

反问:1.你们部门是用什么方法比较多,有用机器学习做吗(深度学习,其他部门有些是用机器学习方法做的)


6.18(三面)  时长:10min
看着是个有级别的面试官,这次可能是我历史面试时间最短的一面,没怎么问技术
1.自我介绍
2.介绍项目
3.有了解过传统的检测方法吗(说了hog和dpm特征,描述了一下思想,有点类似深度学习网络,但是前者是人工手动设计的特征)
4.项目中遇到的难点(描述了一下自己从啥也不会到第一个项目时的成长,一开始的啥也不会就是最大的难点)
5.兴趣爱好:健身,🏀,🏸,数学(我没敢把LOL说出来,哈哈哈)
6.成绩怎么样,是考研的吗
7.你是哪里的人(成都)
Fine,结束,没有反问

等后续消息吧。共勉,许愿😂

更多模拟面试

2条回帖

回帖
加载中...
话题 回帖

推荐话题

相关热帖

笔经面经近期热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐