计算机视觉岗实习面经（阿里/地平线/格林深瞳等）

点击上方“CVer”，选择加"星标"或“置顶”

重磅干货，第一时间送达

作者：HarleysZhang

https://github.com/HarleysZhang/2019_algorithm_intern_information/blob/master/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%B2%97%E5%AE%9E%E4%B9%A0%E9%9D%A2%E7%BB%8F.md

本文已授权，未经允许，不得二次转载

阿里算法工程师(计算机视觉方向)

一面(1个小时10分钟)--->简历面

1. 自我介绍，差不多10分钟。

2. 简历项目和比赛介绍，中间有问一些项目和比赛细节，问了一些延伸和开放性问题：

• Adam和SGD优化器哪个更好，好在哪里，哪个使模型更加容易发散?

• FPN作用

• 讲下yolov3的架构，和two-stage的mask-rcnn有什么区别

3. 代码测试，求n个数里面前k个最大的数。 我最开始说用快排，面试说还有其他方法吗，我一紧张说了个时间复杂度更大的方法，面试官提醒我可以考虑树排序，但是我没学过，回答不上来，最后面试官说你本科没学过数据结构，那就先算了。

4. 问了几个机器学习算法，KNN和SVM的细节。 这里答的不好，太久没用传统机器学习算法，很多东西都忘了，中间一个简单的几何中常见距离计算方式(欧式距离)，我忘了居然答余弦距离。

5. 问了我有什么想问的。

一面总结：

面试官人比较友好，自己项目细节一定要熟悉，简历上的东西最好清楚掌握，数据结构和常用算法一定要掌握，这是我的第一个面试经历，不管接下来的面试能否通过，都还是值得纪念和自省的。

格灵深瞳算法实习生

一面（29分钟）-->基础面/项目面/终面(4月28日晚更新，已挂)

1. 自我介绍，差不多３分钟

• 自我介绍要简介些，我这里自我介绍有点太详细了

2. 钢筋检测项目介绍和目标检测框架细节

• 大致介绍自己的工作和项目细节

• 问了faster rcnn、Mask rcnn的细节，faster rcnn的rpn结构介绍下，rpn的loss是什么，master rcnn和faster rcnn有什么区别和改进

• retinanet的结构和创新点，讲一下ssd和retinanet的区别

3. 鲸鱼识别项目介绍和图像分类网络细节介绍

• 大致介绍下鲸鱼识别项目

• resnet网络的创新，为什么能解决梯度消失问题，残差模块详细介绍下，为什么能解决网络层数加深带来的梯度消失和网络退化问题。

4. 你有什么想问的

• 问了去了之后我能做什么

• 什么时候能出面试结果

• 面试官给我提出建议：加强论文阅读和基础原理细节掌握、加强原理的表述和表达能力

面试总结

１．格林深瞳实习生面试只有一面，所以项目和基础都在这一面都问了。这次面试官问的很多问题，给了我很多启发，自己项目虽然做的多，但是在很多理论和基础原理上细节功夫下的不够，论文看的不够多。

２．其实自己也知道，自己在基础理论和原理方面掌握得不够深，但是由于缺乏时间，我还是没做到自己的目标，希望借这次面试反映出的自己理论缺失点，来提醒和激励自己一定要把基础理论和原理彻底掌握。

３．经过阿里的面试，自己回去把更多的项目细节掌握了，这次格林深瞳面试之后一定要把基础理论和原理掌握，从图像分类网络:resnet等，到目标检测和图像分割网络：faster rcnn、mask rcnn、ssd、yolov3等彻底掌握基础原理和细节，多看相关论文和博客。

南京地平线机器人　智能驾驶算法实习生

笔试(１个小时)--> ５道编程题

1. 给定两个字符串a和b（长度超过100w），在字符类型上b是a的子集，求b在a字符类型上的补集;

2. 给定正整数N, 返回小于等于N且至少有一位重复数字的正整数的个数;

3. 电话号码组合。下图是一个手机按键的样例，每一个数字包含一些字母。比如字母“A”可以通过按一次“2”得到，字母“B”可以通过按两次“2”得到，以此类推。当给定一个数字字符串，我们也可以得到相应的映射，比如“22”, 代表字母组成的可能性是[“AA”, “B”]。要求：输入为一个数字字符串，例如”2321241499844211”。输出为可能代表的所有字母组合。

4. 给定两矩形的左上角和右下角坐标，求两矩形的重叠区域面积（overlap），若不重叠，返回0。（其实就是计算IOU）。

5. 实现softmax，包括init，forward，backward。

如果把笔试题写出来侵权，一定要联系我删除笔试题哈。

一面（48分钟）

1. 自我介绍

• 面地平线的这次自我介绍，比之前的面试算是有了一些改变，不再流水线式的介绍学习经历和项目经历，而是突出性格和技术栈重点。

2. 图像基础操作题,对图像做45度旋转，如何使图像完整不缺失，缺失和超出的部分如何处理？

3. 项目细节

• 离线过采样和在线过采样哪个更快？

• 如何针对已有的网络做改进，提升速度？

• 如何解决类别不平衡问题？

• 训练网络的指标，除了基本的的acc,loss，roc、auc有了解吗？

4. 算法细节

• ROI Pooling和ROI Align的区别及演进

• 离线图像增强与在线图像增强有什么区别

5. Python和计算机常考基础

• 装饰器怎么用

• 深拷贝和浅拷贝的区别

• 多线程和多进程的区别

6. Linux和git命令操作基础

• linux查找、查看文件的3个常用命令：which、find、wheresis。（这里应该是查找命令，当时也没听清楚，连就说了cat查看文件、which、find）

• 统计文件夹下的文件个数:ls -l | grep "^_" | wc -l（这个操作，我之前用过很多次，但是没说的很清楚，不过意思应该表达清楚了）

7. git的一个操作（具体问题真的忘了）

一面总结

• Python一些基础还是要搞清楚，向迭代器、深拷贝、浅拷贝，我之前都看过面经和用法，都还是忘了，真是不应该。

• 地平线机器人面试真的问的很广，偏工程向，碰到不会的也不要太紧张，之后一定要去补课。

• 自己要加强Python基础的一些技术盲点。

• 以后面试表达要有针对性，不要拓展太多。

二面（70分钟）

1. 项目介绍

• 项目细节，和由项目延伸的原理问题

• 细粒度图像分类了解吗

2. 目标检测框架原理问题

• RPN结构讲下，RPN的loss有哪些，分类loss是二分类还是多分类

• ROI Pooling是在RPN前面还是后面，讲下原理，有什么作用

• ROI Polling和ROI Align的区别

• Mask RCNN基本结构讲下

• 1*1卷积作用（降维－改变特征通道数，加入非线性）

• Faster RCNN的loss有哪些，分别讲下

3. CNN的SOTA模型原理

• ResNet结构讲下，它解决了什么问题

• InceptionV3结构讲下

4. C/C++/Python基础

• Python装饰器解释下，基本要求是什么（参数为函数，返回为函数，本质是嵌套函数）

• C的结构体和C++类的区别(C结构体不能定义函数)

• __init__函数有什么用

• Python怎么继承父类的__init__函数（super操作）

• 面向对象编程和面向过程编程区别

5. Linux系统基础操作

• 一些基本命令

• 管道命令解释下

• 统计文件夹下的文件个数:ls -l | grep "^_" | wc -l

6. git相关操作

• git熟不熟悉，平常怎么用

• 除了commit、pull等基本命令，还用过哪些

7. 嵌入式Linux系统

• tensorflow安装是源码安装还是pip/conda安装，交叉编译用过吗

• cmake语法了解吗

8. 有什么想问我的

• 对我此次面试评价如何，我有什么需要改进和学习的地方（在学习一定要加强系统学习专业基础，在公司很难有完整时间系统学习知识）

• 部门主要是做什么的，我去了之后做什么方向

二面总结

此次面试时间比较长，总的来说，这次面试自己还是有点进展，面试一定要保持心态放松和良好，表达要流利、清楚，针对面试官指定的问题，尽量不要拓展太多（超出问题本身），技术上一定要系统学习自己的研究方向。

小鹏汽车－图像算法实习生

一面（30分钟）

1. 自我介绍

2. 项目介绍

• 项目细节询问

• 数据增强用了哪些，为什么用

3. 拓展问题

• 图像分割结果，如果边缘信息本来是直线的，但是分割出来效果线确是弯的，怎么解决（有点记不清了）

4. 你有什么想问我的

二面（27分钟）

1. 项目介绍

2. 你平时看过哪些论文，最新的论文看过哪些

3. 平时几点钟回去, 代码量多少，平时用C、C++还是Python编程 4．你有什么想问的

面试总结

二面的面试官提到我最新的论文看的不多，其实最新的论文是一定要看的，紧跟行业发展，了解技术的最新发展动向，而且也有助于拓展自己的思维，学习下别人的idea。

2019年，找AI算法岗不容易！如果你想了解国内各大公司的面试经验、如何内推、学习路线、知识题库、秋招攻略和Offer如何选择等资料的，欢迎加入2019AI算法岗求职大本营（知识星球）。

2019AI算法岗求职群（知识星球）

 

本星球不仅面向今年（2020届）找工作的人群（研一/研二/大三等），还面向刚入学或已工作的人群。目前已有超过830+位同学加入。星球旨在分享AI算法岗的秋招准备攻略（含刷题）、面试经验和内推机会（含提前批）等。

希望这个星球可以让你少走一些弯路

扫码进星球

如果喜欢面试经验，麻烦给个在看

麻烦给我一个在看！