目錄

筆試

HR面

專業面——60多分鐘

主管面??????????????????????????????

反問：

---

筆試

8道題——簡答題 + 1道編程

蘋果、香蕉、梨、菠蘿，彩色圖像如何進行分類？

一輛帶車牌的汽車，圖像亮度整體呈現偏亮狀態，如何去提高圖像的清晰度？并設計一個準確定位車牌位置的方案。

訓練集和測試集各5000張，進行目標檢測，寫出選擇的模型以及設計方案？樣本量不足怎么去提高檢測的準確性？

數據增強

梯度下降法的優化算法有哪些，各有什么優缺點？

損失函數有哪些？優缺點有哪些？

激活函數有哪些？各自優缺點？

已學習透徹

C語言一段代碼——考察指針以及++i和i++的區別（不會c語言）

將鏈表逆序（編程題）——PASS

HR面

自我介紹

兩段實習加起來時間很長，是科研任務不重嗎？

學校學理論，實習學應用，都在深度學習這條路上，沒有丟

**實習是單純的實習還是會一直實習下去？

已離職，崗位不匹配

了解公司的途徑？

為什么選擇了這個崗位？

崗位與個人技能匹配度 + 地點

除了廣州以外，還有考慮其他城市嗎？

廣州首選，其他東莞、深圳，在廣東內

課題有沒有遇到什么難點？

樣本少、目標小

期望薪資20k是怎么定的？

20k是根據廣州崗位平均水平

反問

公司發展前景和個人職業發展規劃

本崗位的部門分布（研發部—圖像處理部）

人數（研發100多、總數500）

專業面——60多分鐘

自我介紹

簡單介紹一下課題項目

渣點部分

目前的準確率多少？具體的檢測思路是什么？

除此以外之前的還有什么檢測方法？

模板匹配、閾值分割

為什么丟棄模板匹配這個方法呢？——陰影影響

閾值分割用的是什么？——大律法、三角法

大律法的基本思路是什么？

基于灰度直方圖，遍歷閾值0-255，使得類間方差最大的灰度值作為閾值

計算類間方差的數據是什么？

不同灰度級別的概率

那為什么放棄了這個方法？——陰影問題

如果用這個去檢測不含渣點的圖像會出現什么問題？——也會出現二值化的情況，即會誤判有渣點

缸體檢測方面

這個項目的模型選擇過程？——SSD、MASKRCNN、RCNN系列

Faster和maskrcnn的區別？——基礎網絡使用了restnet-FPN、ROI-Align代替了ROI-pooling、增加了一個mask層預測像素點的類別

Rcnn系列的演變

• Rcnn：2000候選框（selective search）、圖像歸一化大小、CNN得到特征、SVM分類
• FAST-RCNN：利用卷積進行區域生成、特征池化（ROI pooling）、softmax分類
• Faster-rcnn：利用RPN進行區域生成、smoothL1
• Maskrcnn:如4（2）所述

Fasterrcnn的損失函數用的是什么？——smoothL1

Fasterrcnn分類器用的是什么？——SVM

SVM的基本原理是什么？——尋找超平面

如果兩個類不可分的話，怎么辦？——提升維度

怎么提升維度？——核函數

SVM超平面是直接得到的？還是？——通過損失函數梯度下降更新得到的

怎么避免過擬合——dropout、early stop、歸一化、正則化、數據量增加

Fasterrcnn應用到項目中，有什么改進了——聚類改進錨框比例

樣本量不足怎么辦？——變換

歸一化有哪些？

BN公式中有兩個系數，有什么作用？

反問

主要是做車內還是車外？——車內人的監控、車外環境監測

視覺還是激光雷達？——主要視覺

主管面??????????????????????????????

自我介紹

什么時候畢業

就業想選擇一個什么樣的職業和公司——深度學習、自動駕駛等崗位

**實習了有沒有意向留在那里呢——實習崗位不匹配、雖然自動駕駛但是大部分是大數據的

目標跟蹤、徐工合作

應用場景是什么？——挖掘機挖頭遠程操控、塔吊物體高度檢測

（實習項目）自動拆垛是什么場景

職業規劃是怎樣的？

團隊負責人有的人不愿意做負責人展時間怎么看？——看到時間占用、然后負責人得全面統籌

反問：

公司的主要核心競爭力在哪？——軟硬件結合

公司目前最大的挑戰和困難在哪？——管理方面：人才需求——希望有全球視野、爭第一的人才

公司碩士和本科的比例——研發團隊本碩有110多人、碩士15個，整個公司40個

貴公司有想過擴展人員規模嗎？——保證產品高精尖方向發展、主要擴展研發人員，生產人員不能擴展

公司的出口率是99%，那有想過擴展國內市場嗎？——19年開始擴展，比如和徐工重工合作等

?小結：整體面試體驗不錯，專業面試過程中發現了自己課題的不足，同時面試官很專業，提出建議性方案，點到為止，不會死纏爛打找優越感

過

總結

以上是生活随笔為你收集整理的【面经——《广州敏视数码科技有限公司》——图像处理算法工程师-深度学习方向】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。