7.8
1. 深信服（一面挂）
7.15
2. 大疆（笔试挂）
7/22
3. sp专场（7.31）
4.thoughtworks -没消息
5.虹软（8.4笔试）-offer
6.好未来(内推邮件)
7.拼多多(内推邮件)（8.5笔试）
8.顺丰
9.OPPO
7.28
10.Vivo（内推）
11.银联（8.4面试）
12.多益网络(8.12笔试)
12.欢聚时代-YY(深度学习视频算法工程师)（8.4一面）
13.网易（8.12提前批笔试挂）
14.虎牙(内推)
15.比特大陆（8.10笔试）
8.12
16.大华（官网投）
17. Momenta （内推）-回复
8.16
18.阿里大文娱（官网投）
19.爱奇艺（官网投）
19.作业帮(内推)
8.17.2018
20.苏宁（邮件内推）-回复
21.汇顶科技（成都，官网投）-笔试
22.快手（邮件内推）-回复
23.第四范式（牛客网投）
24.搜狐（牛客网内推）-简历不适合
25.图普科技（内推邮件）
8.18.2018
26.搜狗（内推投）
27.地平线（内推邮件）-回复
28.一点资讯（内推邮件）-回复
29.百度（内推邮件）
30.京东（内推邮件）
8.20.2018
31.图森(内推邮件)-回复
32.wps（官网投）
8.25.2018
33.平安科技
34.招商银行信用卡中心
8.27.2018
35.CVTE
36.欢聚时代
37.小米
38.华为
39.网易游戏（互娱）+伏羲+互联网
40.海康
41.微众银行
42.京东
43.拼多多（牛客网投）
8.28
44.NVIDIA
8.31.2018
45.蘑菇街
46.度小满
47.美团
48.商汤（内推）
49.头条
50.招银科技
09.02
51.腾讯
52.滴滴内推
09.05
百度，快手，依图，旷视（内推）
09.08
锐明技术
09.12
IBM,滴滴
需要官网投递简历的：滴滴，旷视，云从，依图，vivo，oppo，创新工场，寒武纪
差不多十一过后，面了两三个，然后笔试也都没有做了；纠结到底去哪里，也受到了一些感谢信（爱奇艺，bigo, yy）
## 锐明技术(9.11--23min) –垃圾体验
1.介绍无参考图像质量评价，基于rank的方法；
2.ResNet解决了什么什么问题，BN参数的作用
## 图森简历面
- 三面，终面*（首席王乃岩）挂
## Nvidia 貌似岗位有问题
- 一面问以后想搞的方向，面试官是搞C++的
## 拼多多（一面8.22-40min）
1.讲实习的事情，图像增强的任务
2.检测yolo与ssd的区别
3.衡量图像的相似度？怎么抽取特征，怎么进行全局特征和局部特征的融合
4.聊了很多其他内容：现在实验室的状况，以后想做的方向等；忘记给我编程题做了
## 拼多多（二面9.5-45min）
1.先介绍实习期间做的一些任务
2.详细讲一下Unet这个网络的结构及特点
3.讲一下自己无参考图像质量评价的方法，对全参考方法了解吗
4.对其他任务检测，分割了解吗？讲了faster rcnn; 语义分割的FCN,其他方法提了一下
5.依次问了一下ResNet,DenseNet,Inception模块
6.传统机器学习算法：讲了svm
7.数据降维方法：PCA，LDA
8.讲一下快排思路，及复杂度
9.问题
- hr面
## 地平线一面（9.3-35min）
1.介绍美学评价项目，不是基于Rank做的吗？
2.图像增强比赛改进点？
3.其他CV方向的关注：最新的检测网络？最新的关于faster-rcnn的改进；语义分割和实例分割的区别，只分割场景里面的人，使用哪种方法？实例分割能解决多尺度问题！
4.C++:构造函数有哪几种？(懵逼)，虚函数的作用？
5.代码：无序数组，sum(a+b+c)=0；
6.问题
- 暴露自己一些缺点，对其他方向最新的研究不知道，C++真的很熟吗？
## 地平线二面 (9.10.2018-60min)
1.详细讲点钞机图像基础算法
2.实习美学评价模型，mobileNet的特点，参数计算量
3.实习图像增强项目；网络结构，loss使用；各种loss的作用，以及给我讲了为什么l2损失为甚么会产生图像模糊相比于L1(从梯度和超平面理解)，然后用什么GAN损失？
4.无参考图像质量评价方法，传统+深度学习
5.python/tf/c++用了多久？
6.对其他检测，分割任务，跑过模型没有
7.YoloV1, Yolov2的细节实现; 分割网络呢？
8.BN层的原理作用
9.现有的初始化方法？
10.讲一个熟悉的排序算法
- 小姐姐人挺好的！
## 终面
## 没有hr,直接给意向offer
## 大华一面（8.30-26min）
1.ECCV扮演什么角色？
2.卷积优化的计算方法？（变成矩阵运算，还有呢）
3.移动端的网络：MobileNetV1,V2; ShuffleNetV1V2
4.优化方法：从算法上和代码上怎么做？（神经网络压缩/CUDA优化）
5.防止梯度消失爆炸的方法？防止过拟合的正则方法？权重初始化的方法？
6.Python中list和tuple区别？
7.机器学习中数据降维的方法？
## 大华二面（9.2-16min）
1.质量分析考察的那些特征；图像增强的任务；
2.比赛扮演的角色
3.softxmax损失函数表达式
4.C++：内存对齐，static关键字
5.常用的边缘检测算子，Hough变换原理
## hr面
自己与岗位相关经历，自己优势；求职地点，学习成绩，老家，薪资问题
阿里优酷一面（8.28 -120分钟）
1.二维网络A->B有多少路径可以走？先用排列组合计算，然后给网络加上mask有的位置不能走，纯C实现算法；dp实现
2. C实现梯度下降求解最小二乘模型参数，还解释牛顿迭代法；实现的代码先不收敛，有个bug找了很久才看出来，面试官很有赖心。
// 1. 线性多维函数原型是 y = f(x1,x2,x3) = a * x1 + b * x2 + c * x3
// 2. 用牛顿迭代法(或者梯度下降) 对 f(x1, x2, x3) 做求解。
// 即找到一组[a,b,c], 使得： argMin E[(f(x1,x2,x3) - y)^2]。 其中E为sigma。这个loss func就是最小二乘法
阿里优酷二面（8.29-90分钟）：
1.先把实习项目+简历上的项目都分享介绍一遍；
2.针对提取钞票图像前景，使用深度学习怎么设计处理；（样本，为什么要用Unet模型）
3.计算机基础知识：建堆的复杂度，快排的复杂度（为什么）
4.一道编程题：C++实现，复杂度N*log(N);有没有更好的方法，想到了堆，但是怎么确定位置呢？后续没有想到更好的方法，最后应该问题什么样的方法更优的？
//给定十万个坐标点，找出离原点最近的第10000个点到第10100个点，输出这100个点的坐标。
//要求：在合理使用内存的情况下，实现的代码要尽可能的快。
5.TensorFlow介绍一下
6.之前比赛为什么要选用这些模型，是别人用过的吗？自己应该怎么优化，怎么查找资料？
7.问题，团队base等
## 三面，交叉面，然后内部终止流程
## 陌陌算法提前批（8.29）
1.讲实习项目
2.项目里随机抽样一致性算法
3.是否和牌代码实现？（差不多1个小时才弄对了）--主要是理解题意，转化为dfs实现
Hr面：
1.实习是否给offer，是否愿意留
2.对职业规划，对地方选择
3.薪资问题
4.问题
## 虹软一面（32min）：
1.无参考图像质量评价传统（小论文方法）和CNN方法介绍；
2.CNN方法中，crop方式会加大计算量，如果对图像缩放后直接送入网络，对结果影响怎么样?；缩放后信噪比变化？
3.常见的插值方式，双线性插值，双线性插值每个点对插值结果的影响？
4.美学评价方法中：mobilenetv1,v2区别；
5.图像增强自己做的一些工作
6.点钞机角点检测算法介绍
## 二面，hr面
- 欢聚时代（8.4）20分钟
1.实习怎么样？对工作地方的要求
2.美学评价做法？标签怎么用
3.对深度学习的看法？
4.传统算法：sift,hog
5.为什么叫无参考
6.有什么问题？
（8.9 二面 20分钟）
主要问实习两个项目
## 三面，后面两个大佬面完，还是挂了
- 百度无人车
1.质量评价的方法，主要是DL方法
2.其他任务Unet网络
3.SVM原理
4.中值滤波实现方法：k*k->1*k+k*1(积分图方法)
5.快速排序方法
6.树型结构数字堆，每一层为上一层的累计和，然后求最后一层的最小值
- 深信服
1.笔试题目2,3题
2.决策树和随机森林
3.避免过拟合的方法，dropout原理
4.L1正则的原理
5.天池比赛任务
6.python中set的底层实现
7.python的深浅拷贝
8.tf和pytorch的区别