• 风雨秋招路-CV太难了-记得复盘



    打好基础,多刷题,才能过一面!!!

    字节跳动夏令营

    笔试挂,三道题:完全二叉树、最短路径之斯坦纳树、二分求座位数,多刷题啊!!!

    工商银行

    面试:开源项目(很重视),Java,Linux系统,对抗学习,比赛用的模型,关注什么领域
    钱少,放弃实习

    VIVO

    简单题,01背包,没看,牛客上有
    面试:去噪项目图像标定,PC效果如何?看过什么论文?输入是什么?多尺度怎么实现?手机AI去噪算法什么想法?岗位细节
    已挂

    中移动信息技术面试

    问了项目难点,如何解决,逻辑回归正则化,OCR

    海信

    实习需要三个月以上

    文远知行

    电话面试:自动驾驶了解吗?编程基础如何?C++会吗?想做什么方向的工作?
    一面:问项目,反卷积,空洞卷积,割绳子问题(不会),或地址,类似二分法求根号,多刷题!多总结!

    六一教育

    TensorFlow,OepnCV,ResNet原理,训练集效果好,验证集效果差怎么解决?卷积的输出尺寸,CNN的特性(权值共享和平移不变性),RNN与CNN的区别,RNN的缺点,GPU训练,多卡用过没?Python的多线程,超参数怎么调

    格灵研究院

    真实RGB图像怎么去噪?自己的想法
    Pytorch:DataParallel,Bn层,可以多卡?没听懂
    Python:字典和列表的区别
    介绍BN
    损失函数为NAN怎么解决?
    用过GAN吗
    做老照片修复,去噪,去模糊,超分辨率
    需要实习三个月

    字节-技术中台-已挂

    自我介绍,介绍项目,似乎没耐心听完
    CNN防止过拟合的方法(正则化、dropout,BN),为什么可以?梯度消失与梯度爆炸,为什么会发生,问得很细,仔细看一遍!!甚至背诵!!
    算法题:数组中第k个小的数,快速排序,冒泡排序,一定要熟练!!
    基础+算法!!很重要

    多益网络

    笔试挂,全是数据结构题目(很多排序题),编程要求C++/Java

    科大讯飞

    介绍项目,监督学习怎么设计,损失函数,L1设计过没有?本科计算机为什么考研到数学,考研数学成绩,导师名字,CV任务(识别/检测/分割)了解不?编程比赛详细介绍,反问

    大疆笔试

    问答题:贝叶斯模式去噪、概率密度变换函数,快速傅里叶变换,其他:腐蚀膨胀,亮度与信噪比,重采样画质,C语言

    海康威视

    高光谱去噪的应用,怎么考虑光谱相关性?输入简单拼接有没有其他做法?

    小米-打好基础!!!

    自我介绍,问项目。过拟合和欠拟合,dropout对反向传播的影响,BN的定义,MobileNetV1-V3,深度可分离卷积,Softmax(公式)和Sigmoid的区别,如何转化,Pytorch的GPU不够,如何实现batcsize=8的效果?深度学习课程,去噪项目的损失函数,DenseNet说一下,除了去噪还做了啥,实习做了什么项目(难哭了),项目用pytorch实现还是matlab

    速腾聚创

    做的是传统图像处理,激光雷达,点云去噪、增强,系统工程师,信号处理方面,光电测距

    奇安信

    笔试:机器学习、NLP居多,也有操作系统,计算机网络,数据结构题

    莉莉丝笔试

    SQL编程、遇到最少怪兽路线、ML问答题、概率题

    阿里巴巴面试-很难

    项目创新点、消融实验、幂律记忆理论、为什么这么设计?去噪的经典、主流方法有哪些?论文是否发表?小波变换原理、L1和L2区别与应用、Transformer原理、NLP、SGD和Adam的区别、无监督学习、实习内容/项目、1×1卷积作用

    代码题:迷宫题(1可走,0不可走),左上角走到右下角的路径个数,不会

    美团面试

    聊项目(细节、遇到的困难)、SVM(特征)、数据结构了解多少?决策树、随机森林是否了解?场景题:如何做到之前看过的视频不重复推荐?部门主要做预测算法(ETA)和运筹优化。

    百度面试-多刷题,打好基础

    项目细节,高光谱图像含义,最优控制(搞懂原理)、幂律记忆、门控层,反卷积(输出的变化)、空洞卷积,网络输入的处理和作用,HRNet,基础:过拟合、解决,ResNet如何解决梯度消失,BN原理,梯度更新,SGD,Adam,算法题:矩阵求最小路径和(不会),部门做智慧城市的视觉算法。

    腾讯ML面试-多刷题才能过一面!

    GAN理论,SVM,神经网络可解释性,机器学习比赛,算法题:第K大的数

    虎牙面试

    数据结构:层序遍历、堆排序、链表有环,项目背景、难点、解决、应用,注意力机制原理,Transformer原理,分类分割检测的网络是否了解?打好数据结构、深度学习基础!

    商汤一面

    实习、项目

    虹软笔试

    比较难,CNN/RNN/LSTM区别联系应用,监督高频细节方法pytorch,信号变换,4连通点标记(测地距离近的先标记),二叉树前序中序推层序遍历,猜数次数

    美团ML二面

    时间序列预测

    商汤二面

    问比赛

    深信服

    多刷题,搞明白项目原理,反卷积和双线性插值的区别,上采样方法,感受野是什么?理论感受野和有效感受野,补一补深度学习基础,公司搞网络安全和云计算,需要背景,一般使用人工经验+规则

    思谋科技

    为什么用HRNet,平均池化影响,数据扩增的方式与影响,金字塔模型,二值图像检测出⚪,部门做工业缺陷检测、分类、分割

    TCL

    项目的空洞卷积、幂律记忆,deoldify怎么改进?快速排序原理,堆和栈的区别,tensorflow什么版本?C和C++了解不

    奇安信

    SVD,与普通特征分解的区别,代码:二分查找,做网络安全(数据运营和流量安全/攻击)

    搜狐

    实习人像分割内容,GAN,上色改进,对比其他的方法,SA模块,感受野公式,反卷积与上池化,SVM算法
    算法题:子树判断、树的直径,最长回文子串

    触宝

    实习内容,GAN如何训练,SA与卷积相比的优势,向量相似度用余弦和欧式距离排序相同为什么?算法题:暑假英语数学补习班休息天数。部门做小说推荐,NLP

    寒武纪

    优点和缺点,高光谱是什么?本科成绩和研究生成绩,数学角度理解神经网络。做芯片,图像,不包括音频

    快手

    空间光谱信息提取模块,幂律记忆,SA实现代码,ResNet和DenseNet什么时候等价?问的很细,算法题:数据流的中位数,不会

    海康图像调试

    光学图像、传统图像算法

    金山WPS-比较想去的

    resnet和densenet的细节,人像分割至少熟悉一个方法(现在的太水了),要求C++,真实图像去噪怎么做?梯度消失怎么解决?问得很细
    去噪网络修改建议:使用L1损失、使用GAN(细节好),L2损失会刷高PSNR
    工作内容:OCR、抠图、超分、修复、轻量级、图像编辑、PDF转word、图像相似性(图像匹配、查找),检测、分割

    浩鲸科技

    项目细节(CNN的BN怎么做)、实习细节(交叉熵损失公式、感知损失有什么优点),很细,忘了

    华为公共开发部

    做数据库、爬虫、通信、NLP,跟CV关系不大,算法题:有向关系求环,字符串全排列。高光谱去噪的应用场景,如何评价方法的好坏,项目遇到的困难如何解决,怎么设计方案,跟队员的分歧,为什么要参加比赛?比赛收获了什么?最有成就感的事情,个人爱好,职业规划,美国打压华为还想来华为你怎么看?实习内容,实习遇到的困难如何解决?部门关键字:运营商电信联通,企业,消费者,NCE-super,网络,信号传输,软件,5G,自动驾驶网络,端到端,RDPM,项目,PE,培训:导师,部门,业务,在东莞或南京,期望薪资:30w

    海康威视产品研发

    实习上色的数据对怎么安排,项目的数据对怎么安排,损失函数是什么?清晰度评价(梯度,sobel),SSIM公式,无参考图像怎么评价清晰度,会不会C语言

    寒武纪-基础太差

    Python多线程,list删除重复元素,指针函数与函数指针,linux查看操作系统内核,linux查看CPU,查看显卡显存速率细节,linux解压tar,grep用过吗?SA与Attention的区别,OpenCV用过吗?C++会不会?余弦相似度应用场景,目标检测MAP的定义,损失函数有哪些?欠拟合与过拟合,激活函数有哪些?pytorch自定义层CPU与GPU,工作内容:芯片GPU,性能优化。

    芯动科技

    SVM,多分类怎么做?指针和引用的区别,工作内容:芯片,传统图像处理,渲染GPU,AI芯片

    广东人工智能先进研究院

    图像生成模型、python迭代器、C++多态,体制内无编制,做机器人和感知

    电信天翼云

    信号、傅里叶变换、随机过程与随机变量、平稳随机过程、优化、矩阵论SVD、QR分解,图像缺失16*16块的补全怎么做(GAN怎么做),许多16*16块进来一个16*16块寻找相似块,C/C++混合,结构体和联合体,linux查看CPU内存,进程与线程,虚拟内存与物理内存,堆排序。做的是图像压缩、编码解码、图像识别

    星环科技

    HRNet有哪些结构?人像分割用的什么模型,MaskRCNN了解不?过拟合的原因和解决方法,dropout的补偿,L1和L2正则化,哪个可以加快模型训练为什么?pytorch训练和测试(eval),pytorch损失函数反向传播,用哪些损失函数,MSE和交叉熵的区别。在上海,做分类、检测、分割、人脸识别、OCR

    寒武纪二面

    算法题:字符串压缩,工作地点,偏向于开发

    海信终面

    证明:无理数比有理数多,工作地点,薪资,学校每天的工作,课题最有创新的地方,导师是否给你压力,反感不?职业规划,倾向于有压力的工作还是悠闲的工作,抗压的例子,要去山东军训一个月

    博智林一面

    了解博智林吗?为什么投博智林?了解博智林产品吗?为啥想转深度学习?一次比赛经历,项目创新点在哪里?实习跟课题不相关,如何学习?会不会传统图像算法、opencv、C++?

    荣耀一面

    网络设计,训练对的构造,去噪和去模糊怎么同时做?有没有做过超分?实习经历介绍,意向工作地点,有没有学过编程?

    博智林二面

    项目需求、改进、轻量化,优化器思想和优缺点,激活函数,过拟合与欠拟合,除了去噪有没有做过其他的,yolov1-v5的发展,fasterrcnn,传统机器学习(树模型),transformer,自然语言处理有没有做过,数学竞赛考什么

    同花顺一面

    项目、实习、比赛,从0开始复现,代码调试经验

    同花顺二面

    落地项目多练练

    欢聚时代一面

    噪声来源,噪声类型,传统算法,傅里叶变换(schwarz),采样定理的证明,U2Net,HRNet/DenseNet,yolov5结构和流程,有没有对比过Transformer去噪算法,SwimT/Vit介绍一下,算法题:n只蚂蚁走L长的杆,碰撞速度转移,求最后一只蚂蚁掉下去的时间。GAN原理,StyleGAN论文,你的优势还有哪些?SR和去噪的区别,主要做检测、分割、分类、GAN生成、短视频、内容理解;建议:检测和分割的经典网络要熟悉,看原论文,经典方法如yolo系列,rcnn、ssd

    春招笔经面经

    步步高

    43道不定项选择题

    Shein

    笔试:10道单选涉及推荐系统,编程题:括号字符串的有效性,二叉树找累加和为指定值的最长路径,最长上升子序列

    OPPO

    选择:深度学习,相机原理,图像处理基础,编程题:非负二叉树,连通域的内周长

    360

    选择题:机器学习、自然语言处理,数据库,操作系统,概率论

    # 成绩变化
    n = int(input())
    ming = list(map(int, input().split()))
    sheng = 0
    jiang = 0
    chengji = 50
    for i in range(n):
        if ming[i] < 100 - chengji:
            a = 100 - chengji - ming[i]
            if a % 10 != 0:
                a = a // 10 + 1
            else:
                a = a // 10
            chengji += a
            sheng += 1
        elif ming[i] > 100 - chengji:
            a = ming[i] - 100 + chengji
            if a % 10 != 0:
                a = a // 10 + 1
            else:
                a = a // 10
            chengji -= a
            jiang += 1
    
    print(sheng, jiang)
    
    # 不及格的小A
    nums = list(map(int, input().split()))
    zhu = list(input().split())
    wei = list(input().split())
    bing = list(input().split())
    m = int(input())
    for _ in range(m):
        ans = ''
        num_zhu = 0
        num_wei = 0
        juzi = list(input().split())
        if len(juzi) <= 1:
            ans = 'NO'
        else:
            for i in range(len(juzi)):
                if juzi[0] in zhu:
                    num_zhu = 1
                if juzi[i] in wei:
                    num_wei += 1
        if num_zhu > 0 and num_wei == 1:
            print('YES')
        else:
            print('NO')
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49

    CVTE-图像算法

    学的好的课程,学了什么,SVM的原理、公式,PID学过吗?
    比赛:比赛任务,分工,数据增强方法,yolov5流程,各种模块功能
    项目:光谱相关性,门控层,幂律记忆,HRNet和DenseNet,批量归一化,batchsize=1会怎么样?
    数据结构:二叉树遍历,单链表和循环链表,过拟合现象,解决方法

    VIVO-深度学习

    笔试:选择:操作系统,编程:取手机的方案总数(硬币)100,高频图片统计问题90,公寓分配最小成本问题(01背包)40

    虾皮

    笔试:选择题:数据库、操作系统、计算机网络,比较难
    编程:乘积最大子数组80,用户账单逾期扣分100,最少计算次数90

    class Solution:
        def GetSubArrayMaxProduct(self, nums) :
            # write code here
            n = len(nums)
            dp = [0] * n
            dp[0] = nums[0]
            for i in range(1, n):
                if dp[i-1] > 0 and nums[i] > 0:
                    dp[i] = dp[i-1] * nums[i]
                elif dp[i-1] < 0 and nums[i] < 0:
                    dp[i] = dp[i - 1] * nums[i]
                elif dp[i-1] > 0 and nums[i] < 0:
                    s = nums[i]
                    for j in range(i-1, -1, -1):
                        if nums[j] > 0:
                            s *= nums[j]
                        if nums[j] < 0:
                            s *= nums[j] * dp[j-1]
                            break
                    if s > nums[i]:
                        dp[i] = s
                    else:
                        dp[i] = nums[i]
                else:
                    dp[i] = nums[i]
            return max(dp)
    
    class Solution:
        def calDPDScore(self, dpdInfo):
            # write code here
            maxY = 0
            nums = list(dpdInfo)
            n = len(nums)
            numY = 0
            i = 0
            while i < n:
                if nums[i] == 'N':
                    i += 1
                    numY = 0
                else:
                    numY += 1
                    i += 1
                maxY = max(maxY, numY)
            if maxY == 0:
                ans = 0
            elif maxY <= 3:
                ans = -10
            elif maxY <= 7:
                ans = -15
            else:
                ans = -25
            return ans
    
    class Solution:
        def GetMinCalculateCount(self, sourceX, sourceY, targetX, targetY):
            # write code here
            cishu = 0
            while sourceX != targetX and sourceY != targetY:
                if targetX % 2 == 0 and targetY % 2 == 0:
                    # if targetX / 2 > sourceX and targetY / 2 > sourceY:
                    targetX /= 2
                    targetY /= 2
                    cishu += 1
                else:
                    targetX -= 1
                    targetY -= 1
                    cishu += 1
                if targetX < sourceX or targetY < sourceY:
                    cishu = -1
                    break
            return cishu
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68
    • 69
    • 70
    • 71

    Lazada

    解码异或后的排列、数组度相同的最短连续子数组

    nums = list(map(int, input().split(',')))
    du = 0
    ans = 100000000000
    number = set(nums)
    dunum = []
    for num in number:
        du = max(du, nums.count(num))
    for num in number:
        if nums.count(num) == du:
            dunum.append(num)
    for i in dunum:
        t = []
        for j in range(len(nums)):
            if nums[j] == i:
                t.append(j)
        ans1 = t[-1] - t[0] + 1
        ans = min(ans, ans1)
    print(ans)
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    酷狗音乐

    项目背景、成员、工作职责、亮点,网络的backbone,门控层,HRNet,幂律记忆层,交叉熵损失函数,yolo、faster rcnn和ssd的区别、优缺点,ssd多尺度是怎么检测的。工作:酷狗音乐、酷狗直播,视频内容理解,检测,分割

    OPPO

    实习介绍,上色的损失函数,项目介绍,数据集,损失函数,有没有做轻量化?边缘模糊怎么办?
    会不会C++,落地部署
    传统的去噪方法,BM3D,WNNM
    脸上的痣怎么用传统方法识别出来?
    数学理论对学深度学习有什么优势?
    GAN的应用场景和优缺点

    CVTE二面

    项目,实习,如何判断图像模糊?收敛快和收敛慢哪一个好?序列 ( x , y , t ) (x,y,t) (x,y,t)有标签如何分类?为什么用SVM?如何进行特征提取?
    为什么对底层视觉感兴趣?
    签了哪个offer?
    文档图像、内容识别、姿态估计、轨迹分类

    西山居

    全是C++题目,编程题:图形相交检测、单向链表旋转,Varints编码实现

    OPPO二面

    项目(真实图像去噪怎么做,是否了解高光谱图像的噪声来源机理),实习(做了什么改进)
    定了高目标实现了的事情,发不了顶刊的原因,拿了什么offer,职业规划,工作强度怎么看待?C和C++熟练嘛?
    工程部署落地出问题怎么办?算法部署到手机,封装成SDK,出现各种问题怎么办?
    应届生更看重潜力

    CVTE底层视觉一面

    DnCNN、FFDNet、CBDNet的思想,传统去噪方法,超分辨率的算法
    项目数据集、分工,专利的思想,看过最新的去噪论文,知道DIP吗?
    C和C++会不会
    实习工作与改进
    比赛分工

    创维数字

    高光谱怎么应用到自然图像?实习内容,目标检测比赛主要职责,目标检测是否了解?深度学习基础:
    输出特征大小,参数量,计算量,CNN相对于全连接的特点( 权值共享 和 局部连接),感受野定义,增大方法,1*1卷积的作用,优化器,反向传播流程与公式,为什么用3*3卷积,为什么用奇数。梯度消失解决方法,Loss出现NAN原因及解决,激活函数有哪些?ReLU的缺点,学习率衰减的方法
    做摄像头,增强、识别、检测

    OPPOHR面试

    对OPPO的了解,找工作看重什么?收到的offer情况,项目的背景、职责、困难、市场价值,反问

  • 相关阅读:
    弱鸡记录一道模拟题
    高并发 -- 多级缓存
    VSCode C/C++ 分目录+多文件编译配置2
    条码控件Aspose Barcode,满足您条码需求的终极解决方案
    【Docker镜像】Node.js项目之使用Dockerfile构建镜像
    二维卷积输出特征图的计算公式
    nuxt3:我们开始吧!
    Go-Zero自定义goctl实战:定制化模板,加速你的微服务开发效率(四)
    PIR 传感器入侵检测算法和分析研究(Matlab代码实现)
    Jpackage-制作无需预装Java环境的Jar可执行程序
  • 原文地址:https://blog.csdn.net/weixin_41553159/article/details/117984631