2022计算机视觉算法工程师面经-字节、商汤、海康、快手-轻识

作者：zerone@知乎，浙大电子信息，文章经过作者同意转载。

先说下本人情况：

- 本科北交大，保研到浙江大学电子信息，科班，目前研一

- 一篇很水的顶会，一篇ccfb，两个都是共一，CV方向的(医学图像）

- 一篇北京市优秀本科毕业论文+一段小公司3个月左右的实习

# 字节（最终过，但是由于个人选择，没去）

很可惜，base在北京，qaq，我人在杭州，实验室还有很多工作要做，不然我就怎么也得去，但是考虑到自己比较喜欢踏踏实实的做东西，并且希望自己第一份实习尽量长些，whatever，机会总是有的，未来可期。

5.17 通过内推投的字节，简历很快被评估通过

5.23 电商一面

5.30 发感谢信

### 一面面经（20min左右，凉）

面试我才知道是知识图谱小组捞了我，但咱真不懂啊，于是展开了很尴尬的20min的对话......

1. 简单自我介绍

2. 能实习多久，什么时候可以入职

3. 谈一谈你的第一篇文章（过程中反复给面试官说原理，但可能面试官不是做分割的，就一整个他也很无奈我也很无奈

4. 你知道CLIP吗（不知道）

5. 做过多模态融合的工作吗（只知道大概，没具体做过）

6. 说说transformer吧（顺利讲完，没有什么意见）

7. 说下retinanet的focal loss

8. 如果要在上万的图片中去搜索，怎么比较高效？

9. 如何处理类别极度不平衡的问题？（答的很差，他笑了...）

10. 做个题吧：最长回文子串的问题

磕磕巴巴写完了，动态规划，他也没有看直接说可以直接暴力搜索，然后说下去再看一下，我:........。后来发现有个循环出了点问题，面完就知道差不多凉了，全程只有20min左右，然后我们俩一整个你不了解我我不了解你。

---

一直等到6.15被捞去了电商另一个部门，也是做CV的。

6.20 一面

6.24 二面

6.25 HR面

### 一面面经（1H，过）

这是我见过最好的面试官了，我当时就想别管我过没过，真的很感谢他，全程都十分耐心，还鼓励我要对自己有信心，我真的想当场泪目。主要作为一个研一的小孩，从5月中旬开始准备以及投简历，到现在真的很辛苦，话不多说....

1. 自我介绍

2. 介绍下paper

3. 关于之前实习的具体细节，做了哪些工作

4. 如何解决类别极度不平衡的问题？（我不会，面试官贼有耐心，说没事我有一个方法你看我说的对不对.....真的很nice）

5. 介绍下mobilenet系列

6. 介绍下senet

7. 说下transformer

8. 说下focal loss

9. 介绍下深度可分离卷积和传统卷积的区别

10. 做个题吧：无序数组的第K大个数

说实话，我知道大概思路，但是当时太紧张了，脑子里面一片空白，一度觉得要完了，我一直在颤抖。面试官问我有什么问题吗写的时候或者可以先说下大概思路，我说了快排，时间复杂度O(logn)，他又说有没有优化算法，我说了最优解，他说没关系，按照你的思路来可以先写一个快排，我很快写好了，接下来就是面试官一步一步引导我最终完成了整个代码，我真的......最后一遍一遍说感谢面试官，因为我以为字节算法只要没秒，就没有后续，没想到这个面试官一直鼓励我说我写的还不错，哈哈哈

11. 如何防止过拟合

12. BN在训练和测试的时候的区别？可以防止过拟合吗？

13. 反问的时候面试官和我说要多刷算法，他说现在不熟很正常，要我多练习，不然后面面试走不远....呜呜呜呜呜真的太感动了

### 二面面经（1H20Min 过)

这次是个大leader，十分搞笑的一个人，全程是既和我开玩笑，又带着一点嘲笑，又有一点认真，刚开始的时候他说他这边事情比较多，说要快一点，我傻傻的以为会没有算法题，结果我发现我是真的天真，接下来就是十分煎熬的1H20Min.....

1. 自我介绍

2. 介绍下两篇paper （然后就明里暗里吐槽我做的水，哈哈哈哈）

3. paper中这个为啥要这样做，那个为啥要那样做.....我真的，反正问了很多细节

4. 什么是AUC

5. 说下Transformer的计算复杂度

6. 介绍下mobilenet系列

7. 做题：二维数组的顺时针遍历

因为之前面试失败之后一直在刷题，这个题不算难，所以很快就写上来了

8. 如果你来测试用哪些样例来测试？为什么？边界为什么要这么处理？如果不这么处理会出现什么问题？

9. 一道概率题，比较简单，但是我没怎么复习，导致磕磕绊绊的，面试官说我做的还行，我......

10. 一道卷积核大小计算题，不难，记住公式就行

11. 再做个题：二维数组，每一行是有序的，求最小的k个数，不用写代码直接说....

说了堆排序，然后让计算复杂度

12. 场景问题：如果要检测的物体被遮盖了怎么办，有什么思路

13. 平时调参有什么技巧

14. 提高模型精度的一些小trick

### HR面（30Min 过）

1. 介绍下自己

2. 女生为什么选择计算机

3. 为什么喜欢CV

4. 自己最失败的case

5. 如何看待大厂裁员

6. 自己最有成就感的事情

7. 介绍下自己之前的实习经历以及收获

8. 介绍下之前公司值得学习的模式

9. 实习时间等

10. 未来职业规划

---

# 商汤（已offer，最终决定去）

智慧城市事业群

5.25 一面（过）

5.27 二面（过）

5.30 三面（过）

6.6 HR面（过）

### 一面（1h，过）

1. 介绍下自己

2. 介绍下文章

3. 你的这份实习主要做了什么工作

4. 遇到的问题是怎么解决的

5. 说下retinanet的focal loss

6. 写一下NMS的代码

7. 为什么医学分割常用Unet

8. 为什么不常用deeplab系列

9. 实习时间+什么时候入职

10. 什么是空洞卷积？计算空洞卷积的输出大小

11. 其他的真的忘了qaq....

### 二面（40min，过）

1. dice loss代码

2. 介绍下deeplab系列

3. 计算卷积的输出

4. 常用的目标检测网络介绍

5. 实习项目的各种细化问题

6. 计算IOU

7. RetinaNet介绍以及创新点

8. 其他的忘了......

### 三面（40min,过）

1. 调参技巧

2. 谈谈医学图像和自然图像分割的区别

3. 谈谈医学图像分割的未来发展

4. 介绍下两篇论文

5. 如果test精度降低，train loss下降如何解决

当场通知通过

### HR面

---

# 海康威视研究院（过，没有去）

研究院工作，拒绝的原因是我不想接着做医学图像，感觉之后好难找大厂工作。。。。

5.23 一面（过）

5.27 二面（过）

### 一面

1. 如何防止过拟合

2. Transformer的相关问题（建议把面经背熟）

3. BN与dropout（面经）

4. 医学图像与transformer结合的未来发展

总之，海康给我感觉很看重面经的积累，问的都是面经的问题，比较简单记住就好。

### 二面

1. 目标检测相关问题

2. 项目的很多细节

3. 其他的都忘得差不多了

总之，海康的面试就是很简单，真的很简单。。。我都怀疑我去的是不是研究院。。。

---

# 快手（一面凉）

算法工程师

一上来先考代码，一道bfs搜索问题，也不知道我是失眠一晚脑子混沌还是啥，就一整个蒙了，而且快手几乎不出leetcode原题，我面试官还是打ACM的一整个gggggg，bbbq，还被质疑了，不过面试官最后也给我很多建议很受用,hhhhhhhh，就是说还是很有收获的。

最终决定去商汤，主要原因没有别的我人在杭州哈哈哈哈哈哈，实验室的任务也比较多，hhhhhh，还是那句话，选择没有对错，未来还很长....