旷视科技（Face++）面经

一面： 介绍一下项目（你参与度最高的）
问：Pooling知道吧？我们在做cv的时候，图像经常是不同size的，我们在训练的时候经常通过crop图片取得同size的输入数据。但是训练的时候，输入是整张图，【这样会造成什么后果呢？】用没有什么办法可以解决这个问题呢？即测试的时候如何有效利用整张图的信息？ 答：测试的时候也crop,每个croped图片有一个预测结果，通过投票的形式得到最后结果。 问：因为crop是overlapping的，这种方式会造成在部分图片区域上的重复卷积，增加计算复杂度，有没有办法解决这个问题？ 答：在卷积输出层，也就是fc层前进行crop（但是网络结构不能改变）问：怎么做呢？举个例子，原来是8x8x128的卷积输出层，换成全图之后，是10x12x128的卷积层，怎么连接到fc1层（假设是20维的）？ 答：（在提示下）用20x8x8x128(n,c,h,w)的卷积核对10x12x128的map进行(s=1,p=0)的卷积，其实就相当于crop，得到fc1为20x3x5（c,h,w）的输出 问：但是此时fc1层改变了（从20编程20x3x5）， fc2层与之的连接也就失效了, 怎么解决？ 答：（在各种提示下，提醒：搞DeepLearning的，卷积计算一定要熟练啊）用5x20x1x1的卷积核再操作，得到5x3x5的（这里卡住了）输出结果要得到一个五维的输出向量，对3x5区域做一个平均就可以了（每个channel是3x5=15个结果，即对卷积层输出卷积操作得到3x5个不同feature预测的结果，就是15个crop对应的结果） 问：为什么选InceptionV3？答：实现方便，top1正确率和其他比较新的模型差不多 问：有看过他们的输入么？inception用的是299x299， resnet用的是224x224,大size的一般都要比较好，所以Inception好是正常的，但是输入不一样，不能直接比 这个东西叫FCN测试，可以看看  编程题：一维pooling（先avg后max）， 考虑时间复杂度和算法复杂度暴力循环，时间复杂度nk用前一次循环的结果，时间复杂度 n  二面： 问：介绍一下研究背景？答：研究背景？问：都做过哪些研究？答：哦哦 从大四毕设讲起问：你这个双目匹配讲一下，你做了啥？答：。。。。恩恩，我现在在做这个视差，用patchmatch问：深度和视差的关系是什么？推导一下答：卡住了。。。 是通过相似三角形的关系，问：相似三角形在哪里？答:（画半天。。。。）提示下做出==太久没做了，忘了 问：那其他项目，风险预测这个项目，特征是几维的，讲一下SVM，SVM的原理？答：最大间隔问：最大间隔是什么，SVM的损失函数具体形式？SVM的参数和超参数？ 编程：递归输出下列长度为2^n的矩阵（每个矩阵由四部分组成），矩阵满足以下条件：右下角部分全为0，其他部分等于上一阶段的矩阵N=0,            1N=1,            1 1                    1  0N=2,            1 1 1  1                    1 0  1  0                    1 1  0  0                    1 0  0  0 三面：说一个你自以为最突出的点（假设现在有10个候选人，我为什么选你）说一个你没有写在简历里的优点（xx项目，做到了72%的准确率）这个问题的极限解有多高？评估你最好能把这个问题做到什么程度?就是让你说一下可以改进的点，改进的投入是多少？reward有多少？ 把reward量化出来（可以提升几个百分点的accuracy?）（其实就是想问你的改进方案，以及改进之后带来的提升，结果自己一直纠结在如何量化提升的百分点上==） 【有的时候我们可以估计，有的时候我们还是得估计，从解决问题的开始阶段就要评估，看看我们究竟能做到什么程度】 问题：a，b ~i.i.d~ U(0, 1)求E(max（a, b）)用几何思想求解