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
- 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
- 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
标签:loss,简历,prepare,ROI,算法,RPN,讲下 From: https://www.cnblogs.com/dwletsgo/p/16902657.html