miniVision(小視科技)面試總結

上午10點15到公司，hr讓我先筆試。

1.C++ STL當中map和hash_map的查詢演算法是怎麼樣的，時間複雜度是多少。
https://blog.csdn.net/dongtingzhizi/article/details/8629285
2.執行緒和程式的區別，以及什麼時候適合用執行緒程式。
https://blog.csdn.net/linux12121/article/details/51786233
3.給了三個卷積核分別和灰度影像做卷積，問得到什麼效果？
4.C++手撕氣泡排序
https://zhuanlan.zhihu.com/p/52884590
5.給一張100塊的人民幣，要檢測出圖片中冠名字元，寫原理和流程。
OpenCV，OCR

總結：花了半小時筆試，無奈C++不熟悉，所以就憑印象寫了一些，但是map和hash_map還是看過的，不過只記得時間複雜度。。。這裡發現不管是視覺崗還是演算法崗都得會C++，趕緊啃起來！！！還有作業系統知識！

面試：

0.自我介紹

1.介紹專案，整個流程說了一遍之後就開始問專案當中的技術細節。

2.Yolov3相比於Yolov2有什麼改進

3.anchor的細節（有點忘了問了什麼細節了。。）
https://blog.csdn.net/hrsstudy/article/details/71173305?utm_source=itdadao&utm_medium=referral

https://blog.csdn.net/m_buddy/article/details/82926024
問到了anchor當中9個anchor的引數數字各代表什麼意思？分開後的引數數字又代表什麼？

anchor在前向傳播中哪個地方做了計算。
這裡我答的不好

4.NMS的原理，假設兩個人靠的非常近，則會識別成一個bbx，會有什麼問題，怎麼解決？

5.用什麼來標註圖片（labelimg），pascal voc的標註的格式（XML）

6.除了檢測還會什麼dl，答分類，問了resnet的細節，解決了什麼問題，是什麼結構？為什麼能解決這些問題？resnet實現過程，畫圖說明，add，contact方式的區別和優缺點。相比GoogLenet的優勢。
這裡我答的也不好

7.讀圖片資料是用的什麼（cv2），什麼方式可以增加圖片的維度？就是在（w,h,channel）的基礎上增加一維Batch_size批量，numpy，TensorFlow怎麼做到上述過程？
這裡依然沒答好

8、TensorFlow最新版本的改進（Keras變成tf的高階介面了，直接tf.keras）

9.Pytorch當中permute和view的功能（可惜沒用過，沒答）。。。
https://blog.csdn.net/zz2230633069/article/details/83505793

10.有什麼問題要問的。。

總結：

感覺只懂專案的具體流程完全不夠，還必須把你所使用的演算法的優點，框架實現細節給弄得非常清楚，不能只是用別人的程式碼訓練自己的資料，而不做思考和改進。還有基礎網路非常重要像VGG，GoogLeNet，ResNet的實現細節要很清楚，為什麼能有這樣的優點能娓娓道來。

感覺自己應該是涼了，因為只有一面，後面HR要我回去等通知了，正常的話一般是兩面聽說。細節不打好，面試兩行淚啊~cv崗真難找，堅持下去吧只有！