自我介紹

實習項目 ??????

1）項目主要應用的領域？

2）難點在哪？——機械臂吸盤大小和目標大小之間坐標的協調

3）難點不在于算法，在于數據的處理和均衡性？對于數據均衡方面有什么理解（方法）

答：圖像變換——光變換和幾何變換

4）數據量的層級？——百為單位，但是一個圖片多個目標，數量級適中

5）基于什么考慮選擇的模型，有沒有和傳統的模型比如SVM等進行對比？怎么考量的？

答：maskrcnn——fastrcnn——SSD（兩階段費時，一階段精度小），速度和精度以及性能指標上進行考量的

6）項目團隊有幾個人？——3個人

7）個人的角色？——深度學習框架的搭建

8）偏重于工程還是偏重于算法呢？——偏向于loss設計以及調參（算法？）——回答的好像不對口了

9）有去接觸過傳統的機器學習算法嗎？比如SVM算法？

答：SVM學習過

10）第一個深度學習項目？

11）缸體缺陷檢測的目標有什么表征？

12）數據怎么得到的？數據怎么做到平衡性的？

13）缺陷檢測思路很多，講一下方法思路的選擇變換？

①首先是傳統的，根據中間黑的特征進行閾值分割，受到陰影的影響；——閾值分割速度快

②fastrcnn

③語義分割——經驗提示不可行

14）裂紋方向不固定，導致前后背景比例大？——聚類進行錨框長寬的選擇

15）anchor在里面起到的作用？——回答不正確。

答：Anchor起到的作用是均衡樣本的均衡性，作為參考框，為后續的候選框選擇作為參考，在處理樣本的分布問題

16）two stage 和 one stage的區別？

答：①Two stage先生成一系列的候選框，然后再通過卷積神經網絡進行分類，主要有RCNN系列的模型，主要步驟是先訓練RPN網絡，再訓練目標區域檢測訓練。

②one stage直接回歸物體的位置和類別概率

17）深度學習中如何實現樣本均衡的？

答：

• 在前期圖像可以通過光變換、幾何變換；
• 訓練的過程中，依靠的是anchor進行的，首先生成大量的候選框，然后求每個候選框和anchor的IOU，若IOU大于一定的閾值，則判定為正樣本，負樣本的話就按照正負比例1:3的方式來選取

18）anchor參考和anchor free的區別？anchor free怎么進行設定呢？

19）對自動駕駛的理解？

答：激光雷達視覺等獲取數據，深度學習進行數據的訓練，對環境進行識別分割，以此來指導汽車的駕駛。

20）激光雷達相對于視覺的作用？

答：激光雷達在自動駕駛中的作用,主要是3D/4D環境感知,探測車輛行駛過程中的路況和障礙物,把數據和信號傳遞給自動駕駛的大腦,再做出相應的駕駛動作。激光雷達可以說是自動駕駛中無形的眼睛,一輛車上大大小小的激光雷達可能數個或者數十個。

反問：

1. 崗位是偏向于算法還是工程哪方面？

答：整個公司的發展來看，偏向于工程落地；個人培訓來說是偏向于算法，保證新鮮血液，然后隨著工程項目的接觸，達到工程和算法兼備的。對于應屆來說，不需要過于考慮，主要看潛力。

1. 主要做視覺還是點云？

答：點云為主，但是會有視覺，然后進行融合。開發感知算法

電話面試，面試時間一個小時，面試體驗不錯，但是HR不行，先告知面試通過，填寫信息表，后面沒有消息，最近狀態直接顯示為崗位不匹配？？？一百個疑問號