末流985渣硕，非科班，一篇可有可无的水刊论文，没有ccf论文，比赛2个三等奖，1个二等奖，都是小比赛。
1面：
简历深挖，论文深挖（有个没发表的工作，个人感觉还不错，主要介绍了这个工作，反响不错）
检测里面，样本类别不平衡如何处理
iou loss介绍
hrnet介绍
fpn相似的特征融合介绍
算法题很简单，可能前面说的比较好，所以就出的题简单，不记得原题了，不贴了easy难度
反问
2面：
简历深挖，毕设深挖
fpn相似的特征融合介绍
小目标检测如何处理
简介faster rcnn
如何做剪枝
算法题还是很简单，印象中就做个宽搜，感觉起来以为很顺利，没想到三面拉跨了
3面：
先看了眼发表的论文，觉的没的聊，转而问毕设...
比赛用了什么特殊的tricks
然后有个遥感跟踪的比赛，问为什么不用deepsort这种现成的方案
回答那是多目标跟踪，和单目标不同，某些元件可以适用
到这还好吧...就普普通通，也没啥特别的表现，也没啥特别的失误
接下来突然开始开放题，人麻了....可能觉得没啥特别突出的地方就想刁难下吧，hhhh
第一题是目标检测中，有这样一种情况，把一个目标放到一个陌生的背景，检测模型就失效了，问这个怎么解决
回答了数据增强，把背景mask掉，训练时减少对背景的关注，attention加大对目标的注意力，用domain adaptation领域的方案，困难样本挖掘
说了挺多，但是好像都不满意，给我补了2种数据增强的方法，mixup和mosaic，就直接下一个问题了
第二题问10k样本用SGD，batchsize取1，100，10000哪个收敛最快
刚开始回答10000，然后他又说100迭代100次等于10000迭代一次，懵了一下..然后觉得lr相近那迭代100次怎么也还是很有机会超过10000batchsize迭代一次，
毕竟batchsize再大，一次迭代也还是梯度平均后的走一步，而且考虑一个极端情况每个样本都一模一样，那我batchsize1迭代10000次肯定比10000batchsize迭代1次好。
不过他不满意我这个回答，看上去想引导下，但是实在是catch不到他的点？也许是想要我回答10kbatchsize直接退化成GD了？方向都是固定所以一定更快？不懂，不明白。
随口说了个100，看起来他累了不想引导了。
大概知道凉了，算法题也不出了。反问就随便问了下，结束了，hhhh
希望能帮到大家
全部评论
(7) 回帖