1 大华面经汇总资料

1.1 面经汇总参考资料

① 参考资料：

（1）牛客网：大华面经-25篇，网页链接

（2）知乎面经：点击进入查看

（3）面试圈：点击进入查看

② 面经框架及参考答案：

（1）面经知识框架：点击进入查看

（2）面经参考答案：点击进入查看

1.2 面经涉及招聘岗位

（1）全职岗位类

【图像算法工程师】、【算法应用工程师】、【感知算法工程师】、【算法移植优化工程师】、【机器人算法工程师】

1.3 面试流程时间安排

PS：以上流程为大白总结归纳所得，以供参考。

其他注意点：

● 有时候第一面是电话面

1.4 大华面试心得汇总

★ 会问些项目，还有一些基础的细节，问的特别细的那种。比如图像的某些细节，感觉传统的图像处理也会用到。

★ 算法逻辑问题很少问。传统的和CV的都会问。

★ 大华的面试官都挺好的，问题也很有深度，当时很多都没答上来，特别是二面很多数学问题，数学渣渣瑟瑟发抖，没想到最终还是给了HR面。

2 大华面经涉及基础知识点

2.1 图像处理基础

2.1.1 讲解相关原理

● 常用颜色空间，色彩空间以及色彩直方图介绍一下？

● 传统的图像特征提取算法了解吗？SIFT特征提取方法也讲解一下？

● 传统的图像特征，鞍点是啥？

● 传统边缘检测算子有哪些？Hough直线检测原理讲一下？

● KCF介绍、缺点、MOSSE、CSK 、KCF的区别？

● 介绍下HOG，HOG梯度直方图如何建立？

● 光流法讲解一下？

● 双线性插值算法原理讲一下?

● Gabor滤波器和LBP的原理知道吗？

● 高斯滤波的原理是什么？

● 说出图像变化的矩阵公式？

● 仿射变换有几个自由度？给5个点坐标，如何求解仿射变换的参数？

● 图像质量评价指标

● 色彩空间

● 去噪方法

● BM3D的原理和优点

● 传统图像处理了解吗？检测直线和圆可以用哪些算法？

2.1.2 手写算法代码

● 手写灰度直方图代码？

● 手撕图像读取，crop，缩放代码？

2.2 深度学习：CNN卷积神经网络方面

2.2.1 讲解相关原理

2.2.1.1 卷积方面

● 卷积层原理、反向传播的计算过程？

● 1*1卷积的作用？

● 深度可分离卷积的作用？

● 卷积优化的操作有哪些？

● dropout是伯努利还是二项分布？

● 介绍一下深度可分卷积？

● 深度可分卷积和传统卷积计算量和参数量的对比？

2.2.1.2 池化方面

● Pooling层原理、反向传播的计算过程？

● 最大池化的反向传播是怎么做到的？

2.2.1.3 网络结构方面

● ResNet用过吗？Resnet的各个版本介绍一下？

● Inception的各个版本及其改进？

● Mobilenet的三个版本的区别？

● MobileNetv1、v2在imagenet上复现？

● MobileNetv1和v2的区别，relu6为什么低精度好？

● 轻量级网络还有哪些？

● 知道哪些深度学习的网络结构（ResNet、DenseNet、VGG、Inception、MobileNet、Shufflenet）

● Inception的四个版本

● MobileNet的三个版本

● 画一下shufflenetv2的结构，解释作用

2.2.1.4 其他方面

● BN层原理、作用、参数介绍？BN层测试时怎么办？

● BN中的参数有几个，具体是多少（NCHW）？

● 介绍一下Batchnorm？γ和β 有什么用？

● 梯度消失和梯度爆炸的原因、解决方法？

● 训练和测试阶段不一样的操作有哪些？（比如dropout）

● finetune的原因，原理，步骤？

● CBAM在实际分类中和SENet表现差不多，你觉得可能的原因？

2.2.2 激活函数类

● Softmax损失公式、具体计算过程推导？

2.3 深度学习：RNN递归神经网络方面

2.3.1 讲解相关原理

● LSTM扩充细节？

● LSTM与RNN的区别，为什么不用GRU？

（1）GRU和LSTM的性能在很多任务上不分伯仲。

（2）GRU 参数更少因此更容易收敛，但是数据集很大的情况下，LSTM表达性能更好。

（3）从结构上来说，GRU只有两个门（update和reset），LSTM有三个门（forget，input，output），GRU直接将hidden state 传给下一个单元，而LSTM则用memory cell 把hidden state 包装起来）

2.4 深度学习：CNN&RNN通用的问题

2.4.1 基础知识点

● 神经网络初始化方法有哪些些？

● 说一下kaiming初始化要解决什么问题？

● 了解SeNet吗，channel attention怎么做的？

2.4.2 模型评价

● 如何评价多个模型的性能的好坏，ROC曲线代表了什么？

● auc的定义？

● P、R和AP有什么关系？

2.5 传统机器学习方面

2.5.1 讲解相关原理

2.5.1.1 数据准备

无

2.5.1.2 特征工程

① 特征降维

● CCA和PCA的区别？

● 介绍一下PCA？

● PCA和LDA的原理？

② 特征选择

无

2.5.1.3 有监督学习-分类和回归方面

① 分类回归树（集成学习）

● 说一些有哪些分类器？（说了SVM、LR），用两分钟介绍一下SVM

● 传统机器学习，Xgboost和GBDT 的区别?

② SVM

● SVM和Adaboost的流程讲一下？

● SVM的原理说一下?

2.5.1.4 无监督学习-聚类方面

● 讲一下kmeans算法？说一下初始聚类中心的选择有没有什么优化的方法？

● 聚类算法有哪些？

2.5.2 手推算法及代码

● 手撕svd，分解的三个矩阵分别代表了什么？迭代法推到，最小二乘估计。

2.6 深度学习&机器学习面经通用知识点

2.6.1 损失函数方面

● 常用的损失函数？

● Loss的设计规则？

● Smooth L1为什么小于0.5的时候不直接用L1？

2.6.2 激活函数方面

● 知道哪些激活函数？

● ReLU为什么可以防止梯度消失？

● Sigmoid不好在哪？

2.6.3 网络优化梯度下降方面

● 常用的网络优化方法有哪些？

● Adam的缺点是什么？

● 手撕牛顿法和梯度下降法，数学推导及区别？

● deep learning中梯度优化的几种经典优化方法的数学推导

● 了解过优化算法吗？说说二阶梯度优化方法？（经常问）

2.6.4 压缩&剪枝&量化&加速

● 了解过压缩和量化吗？

● NCNN量化出问题怎么解决？

● 剪枝有哪些方法？

● 介绍一下模型压缩？有哪些方法？量化之后精度掉了多少，有什么改进的方法？

2.6.5 过拟合&欠拟合方面

● 过拟合解决的方法？

2.6.6 其他方面

● em算法e步和m步是什么？

● 马氏距离是什么？介绍一下？

● 快速傅里叶变换和离散傅里叶变换的区别？

● 512个特征点是怎么比较的？用什么方法？（余弦相似度）

3 大华面经涉及项目知识点

3.1 深度学习：CNN卷积神经网络方面

3.1.1 目标检测方面

3.1.1.1 讲解原理

● YOLOv1 YOLOv2 YOLOv3 YOLOV4的发展？

● Yolo anchor的选取讲一下？（kmeans）

● NMS的变种说一下？

● RPN怎么计算box的实际坐标？

● SSD算法的难负样本挖掘，产生的anchor boxes对应原图还是特征图？

● Faster RCNN在经过RPN后，产生的anchor boxes数量，产生的感兴趣区域对应原图还是特征图？

● Faster RCNN的损失讲一下。softmax 损失函数的表达式（softmax + 交叉熵损失），Smooth L1损失表达式，为什么好？

● Anchor Free的目标检测了解吗？说一下

● RetinaFace了解吗？说一下。它的损失函数是什么？

● 如何加强小目标检测？答：多尺度、fpn

● 说一下检测中是怎么处理正负样本不平衡的？

3.1.1.2 损失函数

● Focal loss讲一下？alpha 的作用是什么？

3.1.1.3 手写代码

● 非极大值抑制代码写一下？

3.1.2 目标追踪

● 基于神经网络的跟踪算法了解吗?感觉想问centertrack之类的？

3.1.3 图像分割

● 了解Mask R-CNN吗？说一下损失函数？smooth L1 loss的函数表达式？

3.1.4 关键点检测

● 人脸关键点从一幅图到另一副图空间转换算法手撕，4个未知数5个方程怎么求解手撕？

3.1.5 目标重识别

● MAP讲一下，目标检测的MAP和ReID中的MAP的区别，ReID中MAP怎么计算？

3.2 深度学习：RNN递归神经网络方面

无

3.3 强化学习

无

3.4 机器学习方面

无

4 数据结构与算法分析相关知识点

4.1 数据结构与算法分析

● 找出无限大数组中第K个

4.2 算法思想实战及智力题

无

4.3 其他方面

4.3.1 数论

● 雅可比矩阵了解过吗？

● KL散度的定义，度量分布相似度的缺点是什么？

● 线性回归的求解方式？

● 方差协方差的定义？

● 为什么顺着梯度的负方向更新参数下降最快？

4.4 Leetcode&剑指offer原题

无

5 编程高频问题：Python&C/C++方面

5.1 python方面

5.1.1 网络框架方面

5.1.1.1 Pytorch相关

● 深度学习把很多操作封装成独立的层，那为什么pytorch中把softmax和loss层封装到一起，原因是什么？

● pytorch转openvino为什么精度降低了，问题在哪？

5.1.1.2 Tensorflow相关

● 看过pytorch，tensorflow源码吗？智能指针讲一下

5.1.1.3 Caffe相关

● Caffe和tensorflow的区别？

5.1.1.4 其他

● 平时用的框架，这些深度学习框架之间的差别？

● Pytorch和tensorflow的区别，了解这些深度学习框架的底层区别吗？用深度框架自己写过层吗？

● openvino为什么快？原理？

5.1.2 基础知识

5.1.2.1 线程相关

● python 多线程？

5.1.2.2 内存相关

● python深浅拷贝？

5.1.2.3 区别比较

● 说一下python list和tuple的区别？python的list是可迭代的嘛？

● python中的“==”和is有什么区别？

● 集合、列表、元组的区别？

● 命名变量，首字母变成下划线有什么用？

● python list和tuple

5.1.2.4 讲解原理

● python 列表和元组、列表去重？

● pass语句的作用？

● with关键字有什么作用？

● python对列表去重？

● python全局解释器锁？

● python怎么定义一个类？类的成员变量和对象的成员变量有什么区别？

● 修饰符有什么作用？

● Static的用法？

5.1.2.5 讲解应用

● 如何遍历字典的所有键和值？

● python进程慢的原因？

● list怎么去重

5.2 C/C++方面

5.2.1 基础知识

5.2.1.1 内存相关

● 介绍一下static静态变量，怎么存放？

● 主要考察了static变量的性质，在函数内定义，不随着调用结束而销毁，C++内存模型。

5.2.1.2 区别比较

● C++指针和引用？

● C++中指针和引用的区别是什么？指针的sizeof是多少？

● float在32和64上的差距

● sizeof和strlen差别

● C++怎么样？new和malloc的区别？

5.2.1.3 讲解原理

● 类和对象有什么关系？

● 单例模式和工厂模式知道吗？

● 判断struct的字节数？

● static关键字作用？

● stastic加到变量和函数上的作用？

● 局部变量的作用域？

● 底层const的具体含义？

● 在C语言中static的作用？

● 浮点数怎么比较相等（精度）

5.2.1.4 讲解应用

● cuda如何确定block及thread等

● float 单精度6.5在机器里怎么存的？

5.2.2 手写代码相关

● 读程序题两道，一个是考无符号整型，一个是考switch case语句+break

● 实现均值滤波

6 操作系统高频问题：数据库&线程&常用命令等

6.1 数据库方面

6.1.1 基础问题

● Mysql中的左连接和右连接有什么区别？

6.2 操作系统方面

6.2.1 线程和进程相关

6.2.2.1 讲解原理

● 深拷贝和浅拷贝的区别？

6.2.2.2 讲解应用

● 进程除了使用锁之外如何同步？

6.2.3 常用命令

● Linux怎么知道一个文件夹下的文件个数？

● Linux中top命令有什么作用？系统之间文件传输使用什么命令？

● 修改文件权限：chmod +x file

● 软硬链接的区别

● 查看内存的命令

● 查看一个文件夹中大于3天的所有文件（子文件下的也要）

● Linux怎么查看隐藏文件？怎么统计一个文件夹下文件数量？

6.2.4 其他问题

● ipc是什么缩写？

7 技术&产品&开放性问题

7.1 技术方面

● 如果模型再rgb上训练，给你一张bgr图片，在不改变输入图片通道顺序的情况下，如何使用这个模型？（不能重训，可以改模型）

● 如何降低误报率（举例：车辆违规，如果一直误报交警不满意）？

● 如何求灰度图的中值？