一个按照正常情况的一般流程：先笔试，然后HR会和参与者进行一次面试，技术面试（这里面技术面试肯定会拿他的问题来问你，会就会，不会直接说这块我没有做相关的研究），原因是技术分很多方向，现在很多深度学习团队没有自己的驱动团队，而是算法自己跑模型和自己部署，部署虽然可以完成但是耗费资源很大，一般从时间上来说耗不起，深度学习正在进行一场百米赛跑，目前还没有达到那种马拉松级别的赛跑。技术面试结束后一般是CTO来或者总监回来聊，总监会问你关注这个方向的顶会和最新的技术，部分让你手写伪代码类似论文中的这种！
计算机视觉的五大方向：
图像分类、对象检测、目标跟踪、语义分割、实例分割
该交叉学科包括的内容：图形学、算法、理论、系统、体系结构
是一直基于感知客观对象构建的实际场景决策，主要的应用是在人脸识别、图像检索、三维重建、监测、生物技术、智能交通领域。
1、图像分类面临的技术或学术问题：
视点变化、尺度变化、类内变化、图像变形、图像遮挡、照明条件和背景杂斑问题。
因此按照技术步骤实现过程是：
第一步：输入N个图像组成的数据集作为训练集，将其分为K类。每个图像被标记一个类，这个概念其实就是函数的映射问题。
第二步：通过卷积神经网络的特征表示进行计算
第三步：预测一组新图像的类标签评估分类性能，用分类器分类的结果和真实的对比评价系统。