一面:过 （70min）
面试图森之前查了一下牛客，这家公司真的是**(难! 难 ! 难!)**,事后还和hr进行了吐槽，不过毕竟融资了这么多，也确实应该问难点。
1.问了RRC，说这么老的论文，你怎么还看？问我是怎么实现的，为什么效果比较好？
我当时忘了这个是什么时候的论文了。他说，17年4月份的，我吓了一跳，这都能记住，吓得我直接切屏去查了查论文的发布时间。我说类似于FPN，但是和FPN不同的是后续的block会对之前block做出贡献，每个block由前面的block形成left，最后进行concat，言辞及其的模糊，不知道怎么形容啊。
2.问了一下CBNet，COCO上提升精度是与什么比较的？
巴拉巴拉
3.为什么anchor-free的方法能够得以实现，主要是因为什么？
我回答主要是heatmap，然后高斯核分布，可以进行key-point检测，对密集型区域的话，主要是缩小的gd的范围，他说我没达到点子上。。。。（这时候头条，百度相继打电话，我没听清他和我解释的内容。。。）
4.ACNet是怎么实现的？
巴拉巴拉
5.SSD进行了什么修改？
巴拉巴拉
6.one-stage与two-stage的区别？主要的划分依据是什么？
类似于RCNN-fastercnn都是two-stage，yolo，ssd都是one-stage。这个问了差不多20多分钟，他提了三种问题，问我是属于哪一种，我后来回答，有RPN得提取ROI并进行Refine都算two-stage，他说这个是个开放性问题。。。。
7.batchnormalization训练和测试有什么区别？
训练是一个batch计算，测试是移动加权平均。
8…batchnormalization在部署的时候有什么技巧，加速？
回答，不知道，我没有用过？（那你让我咋说呢？），后来他说.batchnormalization是线性的，卷积也是现行的，两者可以合二为一进行叠加，可以加速。。。（听得云里雾里）
9.前景背景数量级相差过大用的是什么方法？传统的二阶段是怎么处理的？
就会一个focal-loss，简单介绍了下。二阶段是会先产生ROI区域，这时候背景就少了很多。他说没有回答到点子上。是根据比例，1:3，背景是根据比例获取的。
