自動(dòng)駕駛 感知算法面經(jīng) 1
歡迎關(guān)注公眾號(hào)：內(nèi)推君SIR，加微信：neituijunsir 加入自動(dòng)駕駛交流群
Case1
1、有DaSiamRPN,SiamRPN++相比于SiamRPN的改進(jìn)，如何解決了增加深度的問題
2、如何計(jì)算感受野
3、加速BN計(jì)算：將BN和Conv結(jié)合
4、多目標(biāo)跟蹤
5、BN的前向傳播
Case2
1、根據(jù)第一個(gè)項(xiàng)目提問：為什么第一階段檢測出來的box不利用？為什么背景不聚類
2、根據(jù)第二個(gè)項(xiàng)目提問：提到2個(gè)2D數(shù)據(jù)concat，他們的位置是不一樣的，這樣直接concat有沒有問題；問最后那個(gè)模塊有沒有和se比較
2、bn訓(xùn)練，測試區(qū)別，bn如何在inference是加速
3、如何解決前景背景數(shù)量不均衡（OHEM，focalloss，前景過采樣，2stage模型）
4、一個(gè)類似多標(biāo)簽訓(xùn)練的問題，他的loss是怎么算
5、多路歸并
6、average pooling操作，輸入m*n輸出m*n，kernel大小k*k。
7、線程，進(jìn)程區(qū)別，python的線程和進(jìn)程
8、ssh相關(guān)，什么如果網(wǎng)絡(luò)斷了，在服務(wù)器上跑的程序會(huì)怎么樣，tmux原理
10、簡歷里用了一個(gè)fpn網(wǎng)絡(luò)做檢測，數(shù)據(jù)有什么樣的特點(diǎn)，針對(duì)這些特點(diǎn)可以做哪些針對(duì)性的方案。
11、介紹下DetNet。
12、為什么你的角點(diǎn)回歸不使用heatmap，而使用smoothl1坐標(biāo)回歸，為什么通常大家使用heatmap做關(guān)鍵點(diǎn)
13、ohem，到底比focalloss差在哪里了
14、non-local的時(shí)間復(fù)雜度，介紹下GCNet
15、求了幾個(gè)感受野
Case3
1、目標(biāo)檢測相關(guān)：主要問到了改進(jìn)的出發(fā)點(diǎn)以及改進(jìn)前后性能對(duì)比，部署是否有限制，如何克服硬件條件優(yōu)化等。
2、傳統(tǒng)圖像處理+深度學(xué)習(xí)相關(guān)：一個(gè)完整的應(yīng)用項(xiàng)目，從項(xiàng)目由什么出發(fā)開始講起，主要做了三種方案(差分+傳統(tǒng)圖像處理opencv調(diào)庫及優(yōu)化/ opencv調(diào)庫+基于cpu的神經(jīng)網(wǎng)絡(luò)分類框架/ 完全使用目標(biāo)檢測方法)，從各自的優(yōu)劣，性能等等，如何去驗(yàn)證，最終的選擇，提了幾個(gè)現(xiàn)實(shí)場景的問題。
3、基于深度相機(jī)的避障系統(tǒng)：主要設(shè)計(jì)了一個(gè)策略模塊對(duì)低矮障礙物避障，然后根據(jù)場景提問。
4、注意力機(jī)制的使用心得，插在哪里比較好怎么結(jié)合空間注意力等
5、NMS相關(guān)的優(yōu)化
6、IOU相關(guān)優(yōu)化(ciou,diou)等等
7、yolov5，講了一下v5結(jié)構(gòu)，改進(jìn)點(diǎn)，核心概念
8、用到了mobilenet，問了下出發(fā)點(diǎn)怎么基于cpu去做的適配
9、模型從開發(fā)到部署的流程，踩了哪些坑等
Case4
1、MAE指標(biāo)的具體做法。這樣的指標(biāo)針對(duì)小物體并不合理，那么如何彌補(bǔ)？
2、語義分割領(lǐng)域，了解什么模型？簡述 deeplab 系列模型。
3、目標(biāo)檢測領(lǐng)域，YOLO 系列介紹，YOLO v1 設(shè)置了幾個(gè) anchor，每個(gè) anchor 對(duì)應(yīng)多大的感受野？
4、項(xiàng)目中最難的部分是什么，如何解決的？
5、python 中多線程的實(shí)現(xiàn)方式是共享內(nèi)存的嗎，用的什么接口？進(jìn)程和線程的區(qū)別？
6、項(xiàng)目中的一些閾值是如何設(shè)置的？
7、手寫 NMS。
Case5
1、如何解決少樣本訓(xùn)練的難題
2、為什么使用半監(jiān)督重采樣方法就可以平衡樣本，原理是什么，會(huì)產(chǎn)生很多偽標(biāo)簽，怎么解決
3、為什么選用HRNET，為什么使用top-down的方法，有沒有使用檢測的方法
4、平衡樣本的其他方法
5、兩種解決標(biāo)注差異如何解決標(biāo)簽差異
6、有沒有其他方法來改進(jìn)姿態(tài)估計(jì)
7、結(jié)構(gòu)化約束，focal loss，難樣本挖掘
