1面 1h 0826
项目相关
1、简单介绍一下项目，项目是三维重建相关的，深度学习的深度估计
2、具体细节上，网络结构、loss设计、数据、训练泛化效果
3、非公共区域如何处理、精度如何保证
基础：
1、非线性优化
2、视觉slam基础
这些问题只问了会不会，没有深问
场景题：
1、只有相机的情况下，采用深度学习的方案，如何实现高精度、强泛化的模型效果
2、cnn,不做三维了，做其他方向，怎么准备
总体来说，问的东西不难，但是当时状态不好，所以总体表现并不是特别好，不过很感激能给二面机会
2面 1h15min 0902
先说结论：面试官很好，问的很广、很深、很细，好多东西都没答上来，不会的地方会有一些提示，
如果没答上来会告诉你答案，或者说你回去去看看哪篇文章或者哪些知识点，面试体验感很棒，但我太菜了😭
项目相关：基本上跟一面差不多
基础：
三维相关：
1、双目立体匹配，哪些方案，
2、sgbm，全称，g是如何实现的，什么算法原理
3、kinectfusion等等开源三维重建框架，有没有玩过，看过
深度学习相关：
1、cnn 基础架构哪些，cnn总体可以分为哪两类任务
2、l1 l2 loss 优缺点、原因、l1 l2正则化，优点，原因，如何在pytorch代码里面实现
3、交叉熵loss，代码，二分类问题
4、多loss加和，如何实现自适应权重调节
5、transformer？？ attention？？
6、目前的模型是在什么上面跑的，tensorRT搞没搞过，有没有用c++载入过模型，模型太大怎么办，网络结构怎么调
7、轻量级网络架构哪些，mobilenet知不知道
slam相关：
1、E矩阵 F矩阵，全称，至少需要几对点来计算，自由度、矩阵的秩
2、什么情况下无法正确计算E矩阵，为什么
3、ransac，ransac特殊形式
4、pnp问题，至少需要几对点，为什么很少的点就可以计算了，还需要那么多匹配对
5、orbslam相关，orbslam流程，fast关键点、brief描述子、旋转不变性、怎么实现三角化
6、5的1/3次方怎么算，只有加减乘除
7、非线性优化、牛顿法、高斯牛顿法、区别，各是几阶的，本质区别
其他一些问题记不清了，反正就是问的又广、又深、又细，我又这么菜，好多都不会😭😭，只能勉强应付😭
感觉二面大概率是没了，希望面经能帮助到有需要的人，不过还是很感谢公司给面试机会，也感谢二面面试官教了我好多东西，就算没过，也是赚了
全部评论
(9) 回帖