我是2021届毕业的松菇,求职意向是计算机视觉算法工程师,研究生主要做目标检测物体分类以及行人重识别这样。我在找实习的时候,一开始心里也很没底嘛,就都投的小一些的厂,后面收到一些offer有信心了就开始投大厂了,主要采用的海投战术。
三月上中旬:在BOSS上投了合肥某小公司,然后又投了奥比中光,合肥的科大讯飞,格灵深瞳,还有平安科技,小马智行,美的AI研究院等
三月中下旬:快手,字节,阿里,腾讯,网易,百度,京东,OPPO,华为等等
简历挂的:字节(当天就恭喜我进入人才库了,心情很激动),小马智行,快手(很久还是复筛,感觉挂了)
主动放弃:美的AI研究院(实习薪资太低,进去还得倒贴。。),平安科技,合肥格灵深瞳(笔试让三天去他那个做题平台做三道题,每题100分,达到200分以上再面试。感觉是宣传他的做题平台的。。)
合肥某小公司(offer):
主要就是自我介绍,谈谈项目,然后技术问题,谈实习和转正期望薪资。后面有了奥比中光的offer就把拒了,给的实习薪资与BOSS上不相符啊
- Linux如何查看进程 PID,那如何查看特定的
- Pytorch节省显存的一些方法
- C++会不会
- gcc的一些编译指令
奥比中光(offer):
自我介绍,谈谈项目,然后技术问题,有什么问我的
- C++会不会 (当然说自己C++还可以啦,不过面试官也都没继续问C++)
面试官主要做的3D方向,因此没有问太多这方面问题,主要就针对项目问了问。面试过程还是非常好的,不过做的方向偏向3D,进去做深度估计和立体匹配。
科大讯飞(offer):
自我介绍,谈谈项目,然后技术问题,有什么问我的。面试官说主要做讯飞底层库的优化,因此项目也木有问太多,考基础多些
- Mobilenet在GPU跑有实测过吗?
- 有了解一些推理框架吗
- 对NLP有了解吗
- C++会不会
- Pytorch源码有阅读过吗
- TOPK问题,有哪些解决方案,推下快排的复杂度,推下堆的复杂度,堆中有多少元素?
京东(offer):
流程基本都差不多,自我介绍,谈谈项目,然后技术问题,有什么问我的。
让朋友帮忙推的,做的方向和我也非常匹配,面试过程聊得也很开心,互相都很满意。
- 小目标这方面有什么好方法
网易易盾(一面通过,不知道后续什么流程):
在BOSS上投了一次,官网上又投了有道和雷火。打电话说是网易易盾,可能是BOSS上投的吧,那还投了挺久了。约好时间就开始面试啦:
主要就是针对项目进行了一些提问
- 你为什么没有直接用ResNet18,而是VGG进行改进
- 如果直接使用MobileNetV3作为Backbone跟你这个比怎么样
- 分辨率如果增大对于速度会有很大影响,你是怎么抉择呢?
- 你觉得全连接层,池化层,卷积层这些对于模型速度哪个影响更大?这些对模型参数量哪个更大?
- 你说你是全卷积的,这点是怎么体现的?
- 空洞卷积会对网络参数量和运行速度有影响吗
腾讯(要HR面了):
腾讯被捞了两次,第一次挂了,后面隔了几天又被捞起来了
1. 简历面
主要还是聊聊项目之类的,面试官可能也不是做目标检测的,因此问了蛮多基础的
- 激活函数知道哪些,发展是怎么样的
- 优化器知道哪些,不同优化器的本质区别是什么?
- 正则化技术了解哪些
2. 第一次初试
这次面试体验极差,过程很尴尬,面试官是做大数据和推荐的。首先还是自我介绍,然后讲一个觉得做的最满意的项目,讲着讲着就被打断了,因为面试官不做这个,完全不知道我在说啥。就开始问我其他问题了
- 编程语言会哪些,我说Python C/C++,他问我JAVA会不会(不会)
- hadoop spark会不会(不会)
- GBDT XGBoost都会不会(不会)
- 推荐 大数据会不会(不会)
- 说说你的优点吧(可能不知道聊啥了。。)
就这样结束了诡异的一面,很快官网就被挂了。不太了解做的都不一样干嘛还要捞啊。。
3. 第二次初试
上次被面的心有余悸,怀疑人生,期待这次面试官跟我做一个方向吧。所幸这次面试官还是很靠谱的,知道我都是做些什么,主要就是聊聊项目,谈谈实习大概做啥,就愉快的结束了一面。
4. 复试
这次复试印象非常深刻,面试官水平真的很高,完全了解我在做什么,并且问的很深入
- 对于目标检测正负样本不平衡,有哪些方法呢?除了OHEM和Focal loss还有什么?(回答RefineDet),RefineDet具体又是怎么做的?两阶段目标检测是怎么做的?
- 目标检测网络从头训练需要注意哪些问题?kaiming那篇论文实验部分你觉得OK吗?有哪些不足?用在单阶段是不是成立呢?
- 多个数据集一起训练会有什么问题?SYSU数据集和PRW数据集你具体看过吗?与VOC COCO数据集的标注风格有什么不同?
- ResNet一开始的7*7卷积能不能替换成3个3x3卷积?为什么?性能有所提升的原因是什么?
- FLOPs有了解吗?你改进后的模型的 FLOPs 是什么量级呢?
- 适合 GPU 运行的模型应该是怎么样的?
面试完人都有点懵,感觉自己很多地方还是做的不够深入。真的很佩服这个面试官,第一次感觉面试压力这么大,晚上查看面试结果,还是通过了。
阿里巴巴新零售(要交叉面或者HR面了):
0. 简历面
先问了我一些基础问题,再进行项目介绍提问什么的。让我赶紧把测评做做,不做好像不能继续走流程。
- sigmoid的数学公式
- softmax的数学公式
- YOLO的输出是什么?代表什么意思?
- 然后开始了项目介绍,交流了项目的一些问题
1.一面
面试官也超级奈斯,跟我说测评笔试都过了,然后开始我的自我介绍和项目介绍,问题也都基本类似,后来说我项目主要都是SSD YOLO,问我了解其他的吗?(了解的,两阶段的Faster RCNN anchor free的CenterNet FCOS 还有RetinaNet什么的都了解。)然后居然也没继续问我这些,总体面试体验还是很好的,聊得也很好。还跟我说了接下来的面试流程,下一面会是主管面,后面可能还有交叉面。
- 数据增广有使用吗?对于数据增广有什么经验?
- 项目的行人重识别模型简要介绍,精度怎么样?要检索的库是多大
- 如何继续在落地场景改进你的这个行人重识别呢
2.二面
二面感觉是个部门大佬,首先还是熟悉的自我介绍,然后针对简历问我项目落地的一些问题
- 对于行人重识别的落地有什么难点
- 行人重识别的未来发展是怎么样
- 行人重识别有哪些落地场景