2023春季实习面试
南京百家云科技有限公司
自我介绍；
(第一个项目)
介绍使用YOLOv3的项目并介绍YOLOv3；
YOLOv3的图像输入大小是什么；
YOLOv5、YOLOv8都出来了为什么要用YOLOv3；
对YOLOv5熟悉吗，说一下YOLOv3与YOLOv5的区别，YOLOv5中加了哪些结构，介绍一下；
YOLOv3最后模型的输出是什么；
多分类目标和多目标分类一样吗；多分类和多标签一样吗，若不一样有什么区别；
softmax的作用是什么；为什么进行目标分类时要用softmax；
若需要给一个目标打多个标签时，应该怎么做；
更加熟悉YOLOv3还是faster-RCNN，介绍一下(回答的是faster-RCNN)；
faster-RCNN中图像的输入大小是什么；
介绍一下faster-RCNN的发展史；
你看的faster-RCNN源码中，都进行了哪些数据处理(包括在图像尺寸不满足输入大小时，图像上的标注框应该如何进行缩放)；
(第二个项目)
介绍另外一下另外一个项目；
该项目中所使用的数据集是什么，有多少张图片，共有多少种类，类别都是什么；
数据集使用了哪些数据增强，使用了什么库，为什么要这样做；知道这些数据增强的底层实现吗；
在项目中使用了什么方式读取图片？OpenCV和PIL这两种读取图片的方式有什么区别；
项目中使用了深度可分离卷积，介绍一下深度可分离卷积，并介绍一下它的作用；
在该项目中模型共有多少层，输入的图像大小是多少，进行了多少次下采样；
在该项目中使用了注意力机制，介绍一下；
在该项目中最后的输出是怎么样的；
(深度学习)
介绍一下深度学习的激活函数，有哪些优缺点；
梯度下降函数有哪些；在哪会用到梯度下降；梯度下降的参数有哪些；
学习率的作用是什么；
如何设置batch_size；图像处理在什么位置做；batch_size会调用什么函数；
目前在做什么，介绍一下它的原理，代码是如何实现的(说的是NF)；
生成对抗网络的生成器和判别器的关系；
tensorRT在转换的时候会转换成什么类型的模型；
在转换的过程中遇到了什么问题，是如何解决的；
为什么tensorRT会减少显存，增加计算量；
一阶段和两阶段的目标检测模型有什么区别；
(算法)
快排；
(其他)
你从上一次实习经历中得到了什么；
- 在上家公司实习你做了什么工作；
- 在上家公司做线材的缺陷检测使用了什么相机，光源；用了几个相机；相机和光源的位置是如何摆放的；是否用到了图像拼接；
- 在上家公司使用的可视化系统是自己开发的吗；
- 在上家公司实习的项目中遇到了什么问题；是如何解决的；
- 学习过flask框架吗；
总结：这次面试时间长达100分钟，感觉比较好，虽然问的问题比较多，有一部分没有回答上来，快排也写的稀碎，但总体还是好的，能够感觉到面试官特别重视。
梅卡曼德机器人（上海）
- 自我介绍；
- 防止过拟合的方法有哪些；
- 介绍一下你的项目(三个都介绍了一下)；
- 你多次提到了残差结构，介绍一下残差结构是怎么样的；
- 学习率一般设置多少，有没有自己的调参经验；过大或过小会导致什么后果；
- 介绍一下图像分类，语义分割和实例分割有什么区别；
总结：这个面试很快就结束了，面试官介绍说梅卡曼德的研发主要是在北京，上海这边主要是做项目，比如采集图像2D或3D图像，交给专门的标注公司去做，标注公司做完后检查他们做的是否合格，然后通过项目区去选择合适的方法，用现成的软件设置一下超参数就可以去训练。
武汉TCL工业研究院
- 自我介绍；
- 介绍一下项目(几乎没有发散去问)；
- 介绍一下YOLOv3;
- YOLOv3的三种不同尺寸的特征图分别是下采样多少；预测何种类型的物体；
- YOLOv3的一个grid cell产生几个anchor；
- YOLOv3中正样本和负样本是如何划分的；
- 介绍一下faster-RCNN；
- 在faster-RCNN中正负样本是如何选择的；
哈啰
介绍一下做过比较有意义的项目；
focal loss的公式，以及各个参数的含义；
残差结构的作用；
回答：可以有效的防止过拟合。
为什么可以有效的防止过拟合？
回答：残差结构的分支结构，当网络层数过深时，残差结构可以使带有卷积操作的分支短路，从而减少模型的深度。（其实这样回家是不对的）
应该是因为当是普通结构时y=f(x)，而当是残差结构时y=f(x)+x,…..;
熟悉的目标检测网络有哪些；
- 归一化层的作用；
- 目标检测网络中，一阶段的网络和两阶段的网络主要的差别在哪；
- 介绍一下在faster-RCNN中的RPN层；
- 在faster-RCNN中，坐标误差用的什么损失函数；
- smooth L1损失背后的原理；
- 在YOLOv3中，如果预测框超出了图像区域应该怎么处理；
- 在YOLOv3中，预测的xywh的偏移量的值的范围是什么；
- 在YOLOv3中的损失函数是什么；
- 在YOLOv3中，计算坐标时log和e是怎么计算的；
总结：面试官特别好，每提问一个问题在回答完后都会说出他对回答的评价，以及他觉得的答案，态度也特别好；在面试完以后介绍了一下如果面试通过后的工作内容，并从在校生的视角进行对比，就纠正认识上的差距；并且还给出了今后学习上的一些建议。
问他实习生的核心竞争力是什么：1.实习时间的长短；2.技术；3.态度
正式找工作的核心竞争力：1.技术；2.学习能力（他说这个面试很难体现出来，但也会采用一些方法）
最后还说知道学生在学校基本上只学习python，要多学一下C++，不然以后找工作很不利，尽量多知道一些算法的底层逻辑，这样更有利于以后的发展。
其他面试提出的有价值的问题：
- 在对缺陷进行语义分割时，若缺陷的面积很小且不规则，如何进行测量；
需要尽快学习的地方
- 学习传统的图像处理方法；
- 学习C++；
- 学习OpenCV；
- 学习3D视觉技术；
- 学习PCL点云库；
- 学习关于视觉相关的C++技术；
- 对YOLO系列和faster-RCNN系列的原理要理清楚，可以不细看代码，但原理一点要搞清楚；
- 找关于以上技术的开源项目进行学习，并掌握；
- 学习transformer、VAE、NF等模型的原理代码；
- 掌握mobilnetv2和unet的模型结构和设计思想；
- 完善简历上的项目细节；