旷视研究院 算法岗 人脸识别方向 面经
旷视研究院 算法岗 人脸识别方向
电话面 2020/6/19 16：00-17：00
面试官是做活体检测的
1.介绍项目
项目是做人脸识别相关的，也是小论文，问了些测试指标和公开数据集的一些指标，做这个的出发点，然后挑些毛病，没怎么听懂。
2.项目中用到了resnet，让我讲下resnet的blocks，以及每个blocks是什么样的，具体到每一层是什么？
blocks结构是[3,4,6,3]，每个block会有两条通路，其中一条有三个卷积层，每个卷积层分别由conv,bn,Relu组成，另外一条通路只有一个卷积层，仅有conv和bn，最后两条通路的tensor加在了一起。
(如果现场面估计要叫我画网络结构图)
3.resnet设计的初衷？
普通的网络结构增加网络层数后，由于层数变得过多导致平均下来每层网络的损失值变得很小，反向传播时对损失值变得不敏感而更新参数会变得很困难。通过增加残差结构会明显减小模块中的参数值从而让网络参数对反向传导的损失值更加敏感，虽然没有根本解决回传时损失小的问题，但是让参数变小，相当于增加了回传效果。(这道题回答的不是很好)
4.resnet中的kernel_size？
1×1,3×3,1×1
5.bn层原理？
通过对每个batch的特征进行归一，使特征符合正态分布，这样网络更容易收敛。bn层会计算每个batch的均值和方差，然后进行归一。但是如果完全符合正态分布会使网络的表征能力变差，所以引入了两个参数，对归一后的特征进行细微的调整，这两个参数是通过学习得到的。
6.bn层的均值和方差是在哪个维度上计算的？
通道上，如resnet中64 * 112 * 112的特征经过bn层后，得到的bn层特征是一个64维的tensor。
7.如果是测试，bn层怎么更新？
不会更新
8.resnet中的激活函数用到了Relu，那你谈谈为什么要用Relu？
即Sigmoid函数由于输入较大时，导数会特别小，几乎为0，在深层网络中容易出现梯度消失。而Relu的导数不管输入值有多大而梯度始终为1。
9.如果网络输入的都是正值，那Relu是不是就没有用了？
当然不是，relu的输入时特征和参数相乘，参数矩阵一般给到随机值作为初始，所以输入是正是负不可知，但肯定有正有负；就算特征全正，参数一开始给全1矩阵，也会在梯度下降过程调参也有可能把参数调参成负值来拟合模型；(之前没想过这个问题，当时答的是反向传播时梯度却并不是一直都是正的，面试官说这样也没错，但没答到点子上)
10.手写汉罗塔。
以为只是电话面试只是问些问题，结果突然让我写代码，发了个腾讯在线文档，他那边实时看着我写，还继续跟他通着电话。。。题目不难，但是被人盯着写代码慌的一批！
11. 线性代数问题，Ax=b什么情况下无解？
R(A)<R(A|b) (想了半天才回答上，早就忘光了，没来得及准备这些问题。)
12. 还是线性代数问题，问了个更复杂的，连题目都没听懂，大概是个函数拟合的矩阵求解问题？
没答上，他说没关系，你也没有涉及这个领域应该也不知道 。
然后时间差不多了，问我有没有什么问题想问他的。感觉要挂了，所以问了下他我现在还是研一嘛，还欠缺什么能力可以在研二这年补一补，然后他说看自己选择吧，尽可能在选择的领域越挖越深，然后又说硕士生与博士生最大的区别是硕士不需要创新，只需要复现能力，但是很多硕士生缺乏这个能力。
总结：项目没有组织好语言讲的有点乱，所以有好几次面试官因为没有听懂而打断。深度学习的题答的还可以，最后写代码的时候完全没反应过来所以脑子很乱。多复习下线性代数。第一次面试，有些紧张，再加上远程面试通话上有些卡顿和噪音，经常没听清出问题，还好面试官耐心的复述了一遍。本以为算法岗会挺看重论文的，居然没有问我发的什么期刊，我的创新点什么的，另外两个项目也没有问，只问了些基础题，有可能招进去只是当调参侠吧哈哈哈哈哈。还没来得及刷题，多刷刷题应该还是挺轻松的。
旷视研究院 算法岗 人脸识别方向 面经相关推荐
- 统一操作系统 UOS 官网正式上线；旷视回应“戴口罩人脸识别”；IntelliJ IDEA 2019.3.3 发布 | 极客头条...
整理 | 屠敏 快来收听极客头条音频版吧,智能播报由标贝科技提供技术支持. 「极客头条」-- 技术人员的新闻圈! CSDN 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注 ...
- 直播 | 旷视研究院最新理论成果：批归一化和权重衰减的球面优化机制
「PW Live」是 PaperWeekly 的学术直播间,旨在帮助更多的青年学者宣传其最新科研成果.我们一直认为,单向地输出知识并不是一个最好的方式,而有效地反馈和交流可能会让知识的传播更加有意义, ...
- CVPR 2020 | 旷视研究院提出数据不确定性算法 DUL，优化人脸识别性能
IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 大会官方论文结果公布 ...
- CVPR 2020 | 旷视研究院提出新方法，优化解决遮挡行人重识别问题
IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 将于 6 月 14- ...
- CVPR2020 | 旷视研究院提出PVN3D：基于3D关键点投票网络的单目6DoF位姿估计算法
IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 将于 6 月 14- ...
- 旷视研究院张弛：行人重识别及其应用
点击我爱计算机视觉标星,更快获取CVML新技术 何为行人重识别? 众所周知,人脸识别技术在今天已得到广泛应用,而行人重识别(ReID)是对其的扩展,它的基本任务流程如下图: 如上图,系统首先对视频画面 ...
- 吃瓜笔记 | 旷视研究院：被遮挡人脸区域检测的技术细节（PPT+视频）
主讲人:袁野 | 旷视研究院研究员 屈鑫 编辑整理 量子位 出品 | 公众号 QbitAI 12月27日晚,量子位·吃瓜社联合Face++论文解读系列第四期开讲,本期中旷视(Megvii)研究院解读了 ...
- CVPR 2020 | 旷视研究院探究优化场景文字识别的「词汇依赖」问题
IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 大会官方论文结果公布 ...
- CVPR 2019 | 旷视研究院提出Re-ID新方法VPM，优化局部成像下行人再识别
全球计算机视觉三大顶级会议之一 CVPR 2019 将于当地时间 6 月 16-20 日在美国洛杉矶举办.届时,旷视研究院将带领团队远赴盛会,助力计算机视觉技术的交流与落地.在此之前,旷视每周会介绍一 ...
最新文章
- VDI序曲二十 桌面虚拟化和RemoteApp集成到SharePoint 2010里
- Android：dagger2让你爱不释手-基础依赖注入框架篇
- SqlServer当前月份时间
- 从源码中编译安装gmt官方开发版(优先体验最新功能)
- 从零开始学Xamarin.Forms(四) Android 准备步骤（添加第三方Xamarin.Forms.Labs库）
- Http Only Cookie保护AccessToken
- java语言中json转换,JSON字符串和JAVA语言对象的相互转换教程
- KVM虚拟化查看虚拟机IP
- php 一句话木马、后门
- 教你免费轻松下载百度文库的文件
- HTML基础标签和基本CSS行内样式
- 一文详解 Base64编码原理
- VScode底部状态栏不见，手把手教学
- 喊你来学习：这些技术微信号你关注了吗？
- 回顾之前给公司的建议，及离开前想说的话
- css table自适应斜线
- IBM Spectrum LSF社区版下载
- NDK开发之JNI基础
- 深度学习——从网络威胁情报中收集TTPs
- 【收藏】75个很有用的开源移动工具