一面：

介紹一下專案（你參與度最高的）

問：Pooling知道吧？我們在做cv的時候，影象經常是不同size的，我們在訓練的時候經常通過crop圖片取得同size的輸入資料。但是訓練的時候，輸入是整張圖，【這樣會造成什麼後果呢？】用沒有什麼辦法可以解決這個問題呢？即測試的時候如何有效利用整張圖的資訊？

答：測試的時候也crop,每個croped圖片有一個預測結果，通過投票的形式得到最後結果。

問：因為crop是overlapping的，這種方式會造成在部分圖片區域上的重複卷積，增加計算複雜度，有沒有辦法解決這個問題？

答：在卷積輸出層，也就是fc層前進行crop（但是網路結構不能改變）

問：怎麼做呢？舉個例子，原來是

答：（在提示下）用20x8x8x128(n,c,h,w)的卷積核對10x12x128的map進行(s=1,p=0)的卷積，其實就相當於crop，得到fc1為20x3x5（c,h,w）的輸出

問：但是此時fc1層改變了（從20程式設計20x3x5）， fc2層與之的連線也就失效了, 怎麼解決？

答：（在各種提示下，提醒：搞DeepLearning的，卷積計算一定要熟練啊）用5x20x1x1的卷積核再操作，得到5x3x5的（這裡卡住了）輸出結果

要得到一個五維的輸出向量，對3x5區域做一個平均就可以了（每個channel是3x5=15個結果，即對卷積層輸出卷積操作得到3x5個不同feature預測的結果，就是15個crop對應的結果）

問：為什麼選InceptionV3？

答：實現方便，top1正確率和其他比較新的模型差不多

問：有看過他們的輸入麼？inception用的是299x299， resnet用的是224x224,大size的一般都要比較好，所以Inception好是正常的，但是輸入不一樣，不能直接比

這個東西叫FCN測試，可以看看

程式設計題：

一維pooling（先avg後max）， 考慮時間複雜度和演算法複雜度

暴力迴圈，時間複雜度nk

用前一次迴圈的結果，時間複雜度 n

二面：

問：介紹一下研究背景？

答：研究背景？

問：都做過哪些研究？

答：哦哦從大四畢設講起

問：你這個雙目匹配講一下，你做了啥？

答：。。。。恩恩，我現在在做這個視差，用patchmatch

問：深度和視差的關係是什麼？推導一下

答：卡住了。。。 是通過相似三角形的關係，

問：相似三角形在哪裡？

答:（畫半天。。。。）提示下做出==太久沒做了，忘了

問：那其他專案，風險預測這個專案，特徵是幾維的，

講一下SVM，SVM的原理？

答：最大間隔

問：最大間隔是什麼，SVM的損失函式具體形式？SVM的引數和超引數？

程式設計：

遞迴輸出下列長度為2^n的矩陣（每個矩陣由四部分組成），矩陣滿足以下條件：

右下角部分全為0，其他部分等於上一階段的矩陣

N=0,            1

N=1,            1 1

                    1  0

N=2,            1 1 1  1

                    1 0  1  0

                    1 1  0  0

                    1 0  0  0

三面：

說一個你自以為最突出的點（假設現在有10個候選人，我為什麼選你）

說一個你沒有寫在簡歷裡的優點

（xx專案，做到了72%的準確率）這個問題的極限解有多高？評估你最好能把這個問題做到什麼程度?

就是讓你說一下可以改進的點，改進的投入是多少？reward有多少？

把reward量化出來（可以提升幾個百分點的accuracy?）

（其實就是想問你的改進方案，以及改進之後帶來的提升，結果自己一直糾結在如何量化提升的百分點上==）

【有的時候我們可以估計，有的時候我們還是得估計，從解決問題的開始階段就要評估，看看我們究竟能做到什麼程度】

問題：

a，b ~i.i.d~ U(0, 1)

求E(max（a, b）)

用幾何思想求解