面经：计算机视觉工程师（字节跳动-飞书部门）

面试岗位：计算机视觉工程师（字节跳动-飞书部门）

一面

字节跳动提前批一面
7月13号15:00至16:20 （16:00时候说开始做算法编程题）

1、自我介绍

提了技术博客专栏和旷视实习（面试官好像会记录一些他认为值得记录的点）
说了自己的研究方向，面试官让我说一说anchor_free的目标检测网络，我就把我看过的一些anchor-free的网络讲了下
还问了一下自己对anchor_free的目标检测网络的理解，应该怎么使用，在什么场景下怎么选择

2、项目介绍

（1）地铁病害检测项目

项目流程
数据增广
目标类别的设置

（2）无人机检测项目

用的backbone

我回答的是MoblieNet，然后面试官问了这个项目最终的速度，MobileNet_SSD本身是很快的
目标跟踪流程

我是分为了点目标和面目标，分别来介绍
这个项目是怎么落地的
MoblieNet V1 V2 V3的区别
SSD网络的训练数据的目标类别

（3）羽毛球轨迹检测项目

怎么做的检测与跟踪
这个程序提供的接口是指啥

3、深度学习

目标检测场景：怎么处理不同类别数据不平衡的问题
谈谈你对focal loss的使用场景
小目标检测有什么好的方法么
你知道的模型压缩方法
anchor-free目标检测网络
BN的训练与测试

4、C++

静态多态和动态多态

我回答时候重点放在了动态多态的虚函数
C++11的新特性
智能指针

针对unique_ptr谈论了一会儿，并且面试官自己开IDE实验了一下unique_ptr是否能做函数形参
静态库与动态库
引用和指针的区别

5、Python

深拷贝和浅拷贝
魔法函数
内存管理机制
迭代器应该实现哪两个函数

6、Pytorch

model的forwad函数是如何自动执行的

7、算法编程

（1）LeetCode200题：岛屿个数

二面

2020年7月15号15：00至16：00（40分钟以后开始coding）

1、自我介绍

2、项目介绍

（1）地铁病害检测

数据增广
为什么说目标检测网络的分类能力有待提升

我主动提的：目标检测网络的分类能力在一些困难目标上效果不好，然后面试官问的这个问题，我是从目标检测网络的分类任务和回归任务的冲突角度谈的

（2）无人机检测跟踪

点目标与面目标的检测跟踪流程
OTSU（大津法：自适应阈值分割）的原理
该项目是怎么部署的

3、图像处理

（1）说一下sift

4、深度学习

（1）说一下 Yolo V1、V2、V3的区别

（2）谈一下你最近看过的印象深刻的一篇论文

（3）resnet为什么可以更深？

5、C++

（1）内存

（2）重载与重写

（3）多态的实现（虚函数）

（4）sizeof 指针的大小

（5）map和unordered_map的底层实现

6、Pytorch

（1）TensorFlow1.0的静态图

（2）Pytorch的动态图

7、机器学习

（1）Adaboost的原理

（2）牛顿法和拟牛顿法

8、算法coding

（1）返回数组的第K大元素

HR面

2020年7月20号15：00至15:20

注：本来这一面应该是三面技术面，但是临时改成了HR面，面完之后说三个工作日后会通知是否进行三面技术面

（1）自我介绍

（2）本科是电子信息工程，为什么想做计算机视觉相关？

（3）介绍从大三开始到现在印象最深的项目。

（4）地铁病害项目背景，组员几个人？项目落地，成果？

（5）旷视实习，入职做什么？

（6）人脸识别，图像质量提高这方面的了解？

（7）自己想做识别哪个方向？

（8）之前的一面和二面自己感觉怎么样，觉得自己哪里发挥的不好

（9）面试后有没有进行查漏补缺

（10）选择工作时城市要求？

（11）其它公司面试情况？

（12）偏向做3D和AI哪个方向？