蚂蚁金服—图像图形算法工程师—一面记录

Keogh

蚂蚁一面， 昨晚面的，45分钟。
1. 自我介绍（比较紧张）
介绍了学校院系专业，详细介绍了自己的研究方向（深度学习，视频处理分析）和研究成果，表明了自己的研究兴趣和以后的工作期许，最后表明自己有热爱学习
2. 询问你印象最深的项目
3. 询问项目里的细节：包括你贡献的部分，有哪些创新点，怎么实现的，为什么这样实现效果好
4. 询问论文的算法的优越性：算法有哪些优势，怎么比较得出的，跟谁比较的，最后再让介绍几个以前这个研究领域的经典算法
5. 看我是搞深度学习的，询问之前做机器学习多不多，自己是怎么接触上这个的
6. 深度学习有很大部分是CNN，给他用通俗的语言解释下卷积的概念，解释下CNN中的优势及原因
7. 深度学习还有一部分是RNN，让谈谈它的优势及应用范围（讲了conv-lstm在视频分割中的应用），后来把话题引到了自然语言处理中
8.
给出实际场景，让解决海量图片中搜索相同图片和相似图片的问题，要求实时，他给的提示是最好将图片转换成特异性的二值序列（这个感觉自己没答好，他也不怎么满意，一直在引导我，但我还是没能说出他期待的答案）
最开始给的是相同图片搜索的问题，我本身不是做图像搜索的，所以对这块没多少概念。我最初给的答案是用深度哈希算法，之前有用深度学习做哈希生成用于图像搜索的，但他说这个小问题不需要动用深度学习模型，有没有更好的办法，我说能不能用sift算子去提取特征，他说sift提的是局部特征，运算量挺大的，不能实时，提示我能不能将图片转换成一组二值序列，我当时想到的是这样的，将图片先缩放到相同大小
8*8，再将其转换成灰度图，计算像素灰度值的平均值，以此为阈值，将图片转成二值序列，但他说会有不一样的图片大小，这样缩放效果不好，而且还说颜色比较相似的这样做效果不好，我后来想能不能从频域中，对图做DCT变换，他说也不大好，最后也没怎么问，就说没事，换到了相似图片的处理，我还是拿之前的几个思路跟他说了，他也没说啥，估计没达到他的期许。
9. 询问有没有手写过机器学习算法，问了些关于SVM的基础问题
10. 平时喜欢看什么书？
11. 有没有什么要问他的

转载自：https://www.nowcoder.com/discuss/23650