计算机视觉算法工程师面试总结
作者:智心 著作权归作者所有。AI开发者获得授权转载，禁止二次转载 智心，公众号：人工智能架构计算机视觉算法工程师（旷视、商汤、智云、海康）面试总结
注：封面图片来源于网络
校招尘埃落定了，由于最近一直在忙毕业论文，现在才腾出时间总结一下面试经历，因为最近人工智能的火爆，所以今年算法岗竞争也相当激烈，投了很多公司也踩了很多坑，最后也算是收获到满意的offer了。
总体上来看，海康的面试比较水，面试时间很短且难度不高，旷视的面试，后来没有收到offer，商汤的难度较大，但是运气比较好拿到了offer，还面试了一家智云视图的创业公司，面试过程很愉快，也顺利的拿到了offer。
先说一下本人教育背景，末流985本硕，实验室主要研究方向为计算机视觉，因此求职方向也都是计算机视觉算法，按顺序整理一下面试经历，希望对其他同学们有帮助。
旷视科技是面试的第一家公司，每轮面试大概1个小时，具体的面试内容尽量回忆一下。大概首先讲了之前的项目经历，面试官会随时提问，并且让我在白纸上边画边进行讲解。然后就问了解过哪些 CV 领域，接着是一些经典的机器学习算法，包括SVM、决策树优缺点，L1、L2 正则化区别等等，深度学习相关的问的比较少。之后在白纸上手写了两道算法题，分别是判断两个链表是否相交和反转链表，一面大概是这些问题。
紧接着二面，也是简单的自我介绍和项目介绍，问了很多深度学习的问题，比如ResNet 的特点，DetNet原理，BN 有什么优点，梯度下降法和牛顿法区别，RNN 怎么反向传播，哪些原因会导致梯度消失。因为简历上写的熟悉 TensorFlow，所以还问了一些tf的问题。整体大概就是这些问题，因为第一次面试准备不太充分，回答大概正确率百分之六七十吧，后来也没有收到旷视的offer。
海康威视的是电话面试的，面试时间比较短，也是套路性质的自我介绍和项目介绍，然后针对目标检测的项目，问了一些常见算法，让详细讲解一下faster-rcnn的整个从输入到输出的框架流程，然后是rpn的原理，列举一下针对小目标的解决措施，如何解决类内的检测，还有项目中有无其他困难等，主要问的还是项目相关的内容。
第二面直接就是HR面试，没有技术问题，大概就是为什么选择海康、项目中如何进行合作、项目中遇到过什么困难、如何解决的之类。最后也很快收到了offer，是所有面试里最简单的，难度相对最低的，薪资待遇也并不高。
智云视图是面试体验最好的一家公司。之前没听说过智云视图这家公司，去官网上看了简介，也去github上也看了开源的项目，发现了很多人脸关键点，车牌识别，车型识别等开源项目，试了一下效果确实不错，对这家公司也有了大概的了解。智云的校招地点是在北京太阳宫附近，公司环境不错，一面开始是简单的自我介绍，大概了自己的研究方向和研究成果，然后问了简历里提到的项目，包括项目里的细节，例如自己的贡献点，创新点，实现方法，以及优势之类的，最后面试官让我详细的介绍了一下研究生期间中的一篇三区的论文，主要是关于目标检测的，然后就接着问了目标检测one-stage和two-stage的区别，常见算法等。后面是技术问题，问了几个传统机器学习的算法，面试官问有没有自己代码实现过，因为深度学习做的比较多，有一些机器学习算法已经不太熟了，所以答得一般。因为实验室主要做计算机视觉相关算法，面试官重点问了CNN，包括对卷积的理解以及相对其他网络的优势。最后问了平时喜欢做什么，喜欢看什么类型的书等等，感觉面试官态度非常有耐心。
二面的面试官问的技术问题更深，主要侧重于原理，有些不太确定不知道怎么回答，但是他非常nice，一直鼓励我不要紧张，还引导我说出最后的答案。还能记起的问题大概有在草稿纸上手推BP算法，详细讲一下pooling的作用，梯度消失和梯度爆炸的原因以及解决方案，如何防止过拟合，各种激活函数sigmoid，tanh，relu. 各自的优点和适用场景，relu的负半轴导数为0如何防止梯度消失，如何理解dropout和BN，神经网络不收敛的原因。面试完后很快得到了HR的电话，薪资在行业内也算比较有竞争力了。
商汤的面试感觉运气比较好，因为研究方向是目标检测，所以答得也比较好。一面上来也是简单的自我介绍和项目介绍，面试的内容大概有：sigmoid和softmax的区别，InceptionV1为什么能提升性能，RPN哪里也可以提升小目标检出率，为什么resnet101不适用于目标检测，小目标在FPN的什么位置检测，详细介绍了NMS，最后是一道算法题，输入一个文件，等概率输出某一行，只能顺序遍历。
二面开始也是先问项目，包括项目创新点，然后问了常用的目标检测算法，Faster RCNN和SSD的原理以及有什么异同点，接着还有其他一些包括SENet原理，Focal Loss 原理，IoUNet的原理等，然后问我还了解哪些轻量级的检测器，另外还有一些重复的问题，比如Soft-NMS的原理，BN为什么有效等。除了基础，还问了一些实际解决的问题，比如一个图片中有一个很大的目标还有一个很小的目标，应该怎么处理。最后问了编程语言Python、TF，以及linux等。个人感觉面试还不错，所以也成功拿到了商汤的offer。
总结一下，面试时除了掌握相应的知识外，态度等也很重要，毕竟校招不同于社招，面试官更需要一个学习能力强并且能虚心接受别人意见，可以很快的融入到工作团队中。另外不同面试官的面试风格不同，所以面试内容仅供参考，也祝大家都拿到心仪的offer！