这篇博客记录了作者面试阿里高德算法工程师的一、二、三面经历，涉及内容包括深度学习模型如Faster RCNN、SSD、Unet的原理与应用，行人跟踪算法，数据不平衡处理，正则化，BN层，IOU计算，字符串操作等。面试过程中，作者对自己的项目和实习经验进行了深入讨论，并回答了关于模型训练、优化和编程基础的问题。
一面：
自我介绍：balabala...
说一下你去年的实习主要做的工作：根据我的叙述提出问题：
三个任务的神经网络如何训练？ 多任务网络训练有什么要注意的？
分割网络为何取得那么好的效果？（问我具体指标 不记得了）
检测Faster RCNN 原理？如何训练？ RPN怎么实现的？ROI pooling怎么做的？（没说明白） SSD与Faster RCNN区别？ 他们的区别会怎么影响准确率或速度效果？ （没说明白）
行人跟踪算法如何实现？ 怎么解决遮挡后tracking断了的问题？
说一下学校里做的项目：讲讲在投的论文思想 专利 根据我的叙述提出问题：
讲讲你用过的分割网络？ PSPnet等等有没有跑过？（没有跟最新最前沿的网络 要回去补看论文） 你用过的几种网络实现原理 如何改进的 怎么实现的 以及优缺点？（主要讲了FCN Unet DeepLab v1） Unet为什么对医疗图像效果好？
论文怎么对自身数据最大化利用的？ 怎么找特征空间？ 用的半监督聚类写一下伪代码？（被质疑细小血管分割的好不是我讲述的原因）
讲一下专利里用的Squeezenet网络？ 你是如何改进的？ 还了解哪些超轻量级网络或者压缩网络模型的方法？（没说上来 回去补看看几篇论文算法 Mobilenet Xception）
接着问了几个深度学习上通用的问题：
基础分类网络讲讲？（说了LeNet
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
