prepare

目标：

自动驾驶感知
负责深度学习感知算法开发，包括目标识别、分割、检测、多目标追踪等
有扎实的数理基础，有Linux、ROS、QNX等开发经验，熟悉C/C++编程，有良好的编程习惯

他人简历：

　　skills:　　

• 熟练使用 NumPy, 熟悉 SciKit-Image, OpenCV, SciPy, Matplotlib 等科学计算库

  图像基础知识扎实，能快速实现经典视觉算法

  熟练使用使用 PyTorch, MXNet 熟悉 Caffe，TensorFlow，Keras

  有自己积累的视觉工具库， 能快速开发调试深度学习/视觉算法

  熟练使用Python的多线程和多进程加速

  熟练使用 Web技术，能够构建 可视化应用、交互界面、网站后台、爬虫等

  日常使用 Linux，熟悉使用 Git/GitHub, Travis-CI, pandas 等工具来管理项目和实验

简历Todo：

　　简约清晰 markdown

　　个人信息，教育经历，项目经历，科研经历，竞赛经历，IT技能，个人荣誉与语言能力等信息依次展开  /亮点

　　灌水论文，就多写写实用性的价值点；如果没有发论文，那就把科研经历总结成项目成果，多写写对整个项目的把握，突出项目价值与工程成果

　　多打几个有价值的竞赛，多写几个竞赛项目以充实简历

　　具体内容撰写可以遵循STAR法则

　　简历上不要出现错别字，不要把一些技术名词拼错！！！

技术面:

　　简历方面凡是和视觉相关的全都问了，比如可视化论文、两个比赛、两段实习、上过的数字图像处理课程等--基本都清楚的答出来了，比如DPM如何做的、YOLO算法是怎么实现的等等

• Adam和SGD优化器哪个更好，好在哪里，哪个使模型更加容易发散?
• FPN作用
• 讲下yolov3的架构，和two-stage的mask-rcnn有什么区别
• 问了几个机器学习算法，KNN和SVM的细节
• 图像基础操作题,对图像做45度旋转，如何使图像完整不缺失，缺失和超出的部分如何处理

1. 目标检测框架原理问题
   • RPN结构讲下，RPN的loss有哪些，分类loss是二分类还是多分类
   • ROI Pooling是在RPN前面还是后面，讲下原理，有什么作用
   • ROI Polling和ROI Align的区别
   • Mask RCNN基本结构讲下
   • 1*1卷积作用（降维－改变特征通道数，加入非线性）
   • Faster RCNN的loss有哪些，分别讲下
2. CNN的SOTA模型原理
   • ResNet结构讲下，它解决了什么问题
   • InceptionV3结构讲下

　　需要学习的知识：机器学习的基本算法（降维，分类，回归），深度学习框架，视觉和图像出来的常用方法（物体检测、跟踪、分割、分类识别）

　　pytorch和tensorflow

　　分类：AlexNet 、MobileNet、VGG、ResNet、GoogleNet实现

　　目标检测：Two-stage：

（图片知乎侵权删）

　　　　　　　Onet-stage

（图片知乎侵权删）

　　语义分割：FCN、UNet、Deeplab 熟悉修改开源代码

　　目标跟踪：