自动驾驶 感知算法面经 1
欢迎关注公众号：内推君SIR，加微信：neituijunsir 加入自动驾驶交流群
Case1
1、有DaSiamRPN,SiamRPN++相比于SiamRPN的改进，如何解决了增加深度的问题
2、如何计算感受野
3、加速BN计算：将BN和Conv结合
4、多目标跟踪
5、BN的前向传播
Case2
1、根据第一个项目提问：为什么第一阶段检测出来的box不利用？为什么背景不聚类
2、根据第二个项目提问：提到2个2D数据concat，他们的位置是不一样的，这样直接concat有没有问题；问最后那个模块有没有和se比较
2、bn训练，测试区别，bn如何在inference是加速
3、如何解决前景背景数量不均衡（OHEM，focalloss，前景过采样，2stage模型）
4、一个类似多标签训练的问题，他的loss是怎么算
5、多路归并
6、average pooling操作，输入m*n输出m*n，kernel大小k*k。
7、线程，进程区别，python的线程和进程
8、ssh相关，什么如果网络断了，在服务器上跑的程序会怎么样，tmux原理
10、简历里用了一个fpn网络做检测，数据有什么样的特点，针对这些特点可以做哪些针对性的方案。
11、介绍下DetNet。
12、为什么你的角点回归不使用heatmap，而使用smoothl1坐标回归，为什么通常大家使用heatmap做关键点
13、ohem，到底比focalloss差在哪里了
14、non-local的时间复杂度，介绍下GCNet
15、求了几个感受野
Case3
1、目标检测相关：主要问到了改进的出发点以及改进前后性能对比，部署是否有限制，如何克服硬件条件优化等。
2、传统图像处理+深度学习相关：一个完整的应用项目，从项目由什么出发开始讲起，主要做了三种方案(差分+传统图像处理opencv调库及优化/ opencv调库+基于cpu的神经网络分类框架/ 完全使用目标检测方法)，从各自的优劣，性能等等，如何去验证，最终的选择，提了几个现实场景的问题。
3、基于深度相机的避障系统：主要设计了一个策略模块对低矮障碍物避障，然后根据场景提问。
4、注意力机制的使用心得，插在哪里比较好怎么结合空间注意力等
5、NMS相关的优化
6、IOU相关优化(ciou,diou)等等
7、yolov5，讲了一下v5结构，改进点，核心概念
8、用到了mobilenet，问了下出发点怎么基于cpu去做的适配
9、模型从开发到部署的流程，踩了哪些坑等
Case4
1、MAE指标的具体做法。这样的指标针对小物体并不合理，那么如何弥补？
2、语义分割领域，了解什么模型？简述 deeplab 系列模型。
3、目标检测领域，YOLO 系列介绍，YOLO v1 设置了几个 anchor，每个 anchor 对应多大的感受野？
4、项目中最难的部分是什么，如何解决的？
5、python 中多线程的实现方式是共享内存的吗，用的什么接口？进程和线程的区别？
6、项目中的一些阈值是如何设置的？
7、手写 NMS。
Case5
1、如何解决少样本训练的难题
2、为什么使用半监督重采样方法就可以平衡样本，原理是什么，会产生很多伪标签，怎么解决
3、为什么选用HRNET，为什么使用top-down的方法，有没有使用检测的方法
4、平衡样本的其他方法
5、两种解决标注差异如何解决标签差异
6、有没有其他方法来改进姿态估计
7、结构化约束，focal loss，难样本挖掘
