自我介绍

实习项目       

1）项目主要应用的领域？

2）难点在哪？——机械臂吸盘大小和目标大小之间坐标的协调

3）难点不在于算法，在于数据的处理和均衡性？对于数据均衡方面有什么理解（方法）

答：图像变换——光变换和几何变换

4）数据量的层级？——百为单位，但是一个图片多个目标，数量级适中

5）基于什么考虑选择的模型，有没有和传统的模型比如SVM等进行对比？怎么考量的？

答：maskrcnn——fastrcnn——SSD（两阶段费时，一阶段精度小），速度和精度以及性能指标上进行考量的

6）项目团队有几个人？——3个人

7）个人的角色？——深度学习框架的搭建

8）偏重于工程还是偏重于算法呢？——偏向于loss设计以及调参（算法？）——回答的好像不对口了

9）有去接触过传统的机器学习算法吗？比如SVM算法？

答：SVM学习过

10）第一个深度学习项目？

11）缸体缺陷检测的目标有什么表征？

12）数据怎么得到的？数据怎么做到平衡性的？

13）缺陷检测思路很多，讲一下方法思路的选择变换？

①首先是传统的，根据中间黑的特征进行阈值分割，受到阴影的影响；——阈值分割速度快

②fastrcnn

③语义分割——经验提示不可行

14）裂纹方向不固定，导致前后背景比例大？——聚类进行锚框长宽的选择

15）anchor在里面起到的作用？——回答不正确。

答：Anchor起到的作用是均衡样本的均衡性，作为参考框，为后续的候选框选择作为参考，在处理样本的分布问题

16）two stage 和 one stage的区别？

答：①Two stage先生成一系列的候选框，然后再通过卷积神经网络进行分类，主要有RCNN系列的模型，主要步骤是先训练RPN网络，再训练目标区域检测训练。

②one stage直接回归物体的位置和类别概率

17）深度学习中如何实现样本均衡的？

答：

• 在前期图像可以通过光变换、几何变换；
• 训练的过程中，依靠的是anchor进行的，首先生成大量的候选框，然后求每个候选框和anchor的IOU，若IOU大于一定的阈值，则判定为正样本，负样本的话就按照正负比例1:3的方式来选取

18）anchor参考和anchor free的区别？anchor free怎么进行设定呢？

19）对自动驾驶的理解？

答：激光雷达视觉等获取数据，深度学习进行数据的训练，对环境进行识别分割，以此来指导汽车的驾驶。

20）激光雷达相对于视觉的作用？

答：激光雷达在自动驾驶中的作用,主要是3D/4D环境感知,探测车辆行驶过程中的路况和障碍物,把数据和信号传递给自动驾驶的大脑,再做出相应的驾驶动作。激光雷达可以说是自动驾驶中无形的眼睛,一辆车上大大小小的激光雷达可能数个或者数十个。

反问：

1. 岗位是偏向于算法还是工程哪方面？

答：整个公司的发展来看，偏向于工程落地；个人培训来说是偏向于算法，保证新鲜血液，然后随着工程项目的接触，达到工程和算法兼备的。对于应届来说，不需要过于考虑，主要看潜力。

1. 主要做视觉还是点云？

答：点云为主，但是会有视觉，然后进行融合。开发感知算法

电话面试，面试时间一个小时，面试体验不错，但是HR不行，先告知面试通过，填写信息表，后面没有消息，最近状态直接显示为岗位不匹配？？？一百个疑问号