尧图网站建设 
2023年好未来秋招视觉算法岗第三批笔试复盘考点拆解与解题思路每年八九月份都是秋招最紧张的阶段视觉算法岗的竞争尤其激烈。我参加了好未来2023年秋招视觉算法岗的第三批笔试整体感受是题目不算偏但覆盖范围广、细节挖得深编程题对工程实现能力有明确要求。这篇文章把笔试中遇到的典型题目、考点和解题思路整理出来给正在准备算法岗笔试的同学一些参考——尤其是那些想把视觉方向作为主攻目标的这份复盘值得仔细看。这次笔试时长120分钟题型分为三大部分客观题单选题多选题、简答题、两道编程题。客观题主要考察深度学习基础、卷积神经网络原理、目标检测经典模型简答题侧重模型调优和损失函数设计编程题则直接上手写代码一道是纯算法实现另一道结合了图像处理场景。整体难度中等偏上但真正拉开差距的往往是那些“看似熟悉、实则容易翻车”的细节题。1. 笔试整体概览与考点分布1.1 题型结构与时间分配先说说整场笔试的整体结构好未来的笔试系统是牛客网大家应该都熟悉。进入系统后先填基本信息然后直接开始答题。客观题一共20道单选15道、多选5道每题分值不同多选题少选得部分分、错选不得分。简答题两道每题10到15分。编程题两道每题20分左右。总分100分笔试结束后系统会立刻出客观题分数主观题需要等待批改。时间分配上我踩过一次坑这里先提醒大家前两批笔试就有人因为客观题纠结太久最后编程题没写完。我给自己定的策略是客观题控制在35到40分钟内完成不会的先标记跳过不要恋战。简答题留20分钟两道编程题各留25到30分钟。实际上我最后编程题第一道花了25分钟第二道花了20分钟时间刚好够用。题目内容跨度比较大从Python语法细节到ResNet的残差连接从Focal Loss公式推导到NMS的代码实现全都覆盖了。这也反映出一个趋势现在的视觉算法岗笔试不再只考“会不会调库”而是考察你对模型原理的理解深度和工程落地能力。1.2 考点模块与分值占比分析从考点分布来看深度学习和卷积神经网络基础占了最大比重大约30%的题目都在围绕CNN的结构设计、感受野计算、BN层细节这些展开。目标检测相关的题目紧随其后占了20%左右YOLO系列和Faster R-CNN是重点。图像处理基础、模型优化与部署、Python工程能力三个模块加起来占了剩下的50%。这里有一个值得注意的点好未来作为教育科技公司笔试中出现了和教育场景结合的题目比如拍照搜题场景下的文本检测、作业批改中的版面分析。这类题目不仅有技术考察还在看你是否能理解业务需求并将算法落地到真实场景中。准备这类公司的笔试时除了刷经典的CV题目还要多想想自己的技术方向如何与教育业务结合。下面是这次笔试考点模块的整理我按照“考察方向 / 具体知识点 / 题型”做了分类方便大家对照自测考察方向具体知识点出现题型CNN基础感受野计算、1x1卷积作用、BN层原理单选、多选目标检测YOLO anchor机制、Faster R-CNN RPN、NMS单选、简答、编程损失函数Focal Loss公式与梯度分析、样本不均衡单选、简答图像处理基础高斯滤波、边缘检测算子对比单选模型优化量化、剪枝、TensorRT加速简答Python工程生成器与迭代器、多线程、NumPy矩阵运算单选、编程2. 深度学习理论基础题细节决定成败2.1 感受野计算最容易被问倒的基础题笔试第一道印象深刻的单选题一个三层卷积网络每层卷积核大小都是3x3步长为1padding为1输入图像尺寸是32x32问第三层卷积输出的特征图上一个像素对应原始图像的感受野是多大。这里需要记住感受野的递推公式( RF_{k} RF_{k-1} (kernel_size - 1) \times stride_accumulated )其中 ( stride_accumulated ) 是从当前层到前面的累积步长。更直观的算法是从后往前推从输出层开始依次计算每层往前映射的范围。3x3卷积、步长1、padding 1这样的配置不会改变特征图尺寸32x32输入输出还是32x32但每一层都会让感受野扩大2个像素。第一层输出感受野是3第二层是5第三层是7。所以答案选7x7。这类题几乎是每次笔试的必考题关键在于理解 stride 如何影响感受野的累加。我见过不少人在计算时会犯一个错误把padding也算进了感受野。感受野定义的是原始图像上能影响输出像素的区域大小padding只是辅助控制边界并不改变理论感受野。当年我在实习面试时就因为这个被面试官追问了很久这次笔试碰到类似题心里就有底了。2.2 Batch Normalization 的坑训练和推理行为不同多选题里有道关于Batch Normalization的题问以下哪些说法正确。选项包括训练时使用mini-batch的均值和方差归一化、推理时使用全局统计量、BN层能缓解梯度消失、BN对batch size大小不敏感。前三个选项都是对的第四个是错的。BN在训练时对每个mini-batch计算均值和方差推理时则使用训练阶段累积的全局均值和方差通过滑动平均得到。BN的核心作用是把中间层输出拉回到均值为0、方差为1的分布让后续层的输入更稳定从而缓解梯度消失、加速收敛。但BN对batch size比较敏感批次太小时统计量波动大效果会明显下降。这道题其实在提醒我们看论文和调模型时除了知道BN“是什么”还要理解它“为什么有效”以及“什么场景下会失效”。比如检测模型在推理阶段如果用了过大的batch size做测试但训练时batch size较小统计量的分布就会不匹配导致精度下降。工程中遇到训练和推理精度不一致的问题第一个要排查的就是BN层的状态切换是否正确。2.3 梯度消失与激活函数选择简答题有一道是解释为什么深层网络容易出现梯度消失以及在视觉模型中如何缓解。这道题属于面试笔试中的“老熟人”但想拿高分需要在细节上展开。梯度消失的本质是链式法则的连乘效应。反向传播时梯度从输出层向输入层传递每一层都要乘以激活函数的导数。对于Sigmoid函数导数的最大值只有0.25多层连乘后梯度迅速衰减到接近0导致浅层参数几乎无法更新。缓解手段主要有四种一是使用ReLU及其变体Leaky ReLU、Swish等正区间导数为1不会衰减二是引入残差连接ResNet的恒等映射让梯度可以“抄近路”直接传到浅层三是使用BN层稳定分布避免梯度进入饱和区四是合理的初始化方法Kaiming初始化、Xavier初始化让每层输出的方差可控。回答这类简答题时建议把“为什么”讲透再配合具体模型举例而不是只罗列名词。评卷人想看到的是你真正理解这些机制而不是背了一堆术语。3. 目标检测专题从原理到代码实现3.1 Anchor机制YOLO与Faster R-CNN的对比笔试中有一道多选题对比YOLOv3和Faster R-CNN的anchor机制问两者在anchor设置上的主要区别。这题考察的是对检测模型发展的理解而不是简单背诵。Faster R-CNN的RPNRegion Proposal Network在特征图的每个位置预设9个anchor3种尺度x3种长宽比然后通过分类分支判断anchor是前景还是背景通过回归分支修正anchor的位置和尺寸。RPN的输出是候选框后续还有ROI Pooling和分类回归网络属于两阶段检测器特点是精度高但速度慢。YOLOv3的anchor是通过对训练数据集中标注框做K-means聚类得到的。在每个特征图网格上预设3个anchor输出直接预测物体类别、置信度和边界框偏移量属于单阶段检测器速度快但小目标检测精度相对弱一些。YOLOv3在不同尺度的特征图上分别设置anchor大特征图负责小目标这种多尺度预测的思路后来被很多模型沿用。两者本质区别在于Faster R-CNN的anchor是通用的领域先验而YOLO的anchor是从数据中统计出来的。实际工程中YOLO的anchor如果聚类结果和任务数据分布差异大性能会受影响所以做自定义数据集训练时第一件事往往是重新聚类anchor我在实际项目中就用K-means重新计算过anchor确实能让mAP涨一到两个点。3.2 Focal Loss 与正负样本不平衡简答题出现了一道“送分但不容易拿满分”的题目请写出Focal Loss的公式并解释它如何解决正负样本不平衡问题。这道题考察的是RetinaNet的核心思想但很多人只记得公式没理解设计逻辑。Focal Loss是在交叉熵损失基础上引入调制因子 [ FL(p_t) -\alpha_t (1 - p_t)^\gamma \log(p_t) ] 其中 ( p_t ) 是模型对正确类别的预测概率( \alpha_t ) 是类别权重( \gamma ) 是聚焦参数论文中通常取2。它的核心逻辑是当样本被正确分类且置信度较高时( p_t ) 接近1( (1 - p_t)^\gamma ) 会变得很小这部分样本的loss被大幅降低而分类困难的样本( p_t ) 较小的loss几乎不受影响。这样模型训练时注意力就集中在那些“难分”的样本上避免大量easy negative样本淹没梯度。回答这道题时除了公式我还补充了实际调参经验( \gamma ) 太小起不到抑制作用( \gamma ) 太大又可能让困难样本权重过高、导致训练不稳定( \alpha ) 通常设为0.25能够与( \gamma 2 )搭配出较好效果这是论文作者的实验结论实际项目中应根据数据分布进行调整。3.3 编程题NMS非极大值抑制的工程实现第一道编程题是实现NMS非极大值抑制输入是候选框数组每行包含x1, y1, x2, y2, score输出经过NMS后的框索引列表。这是目标检测中最基础的后处理操作也是笔试出现频率最高的代码题之一。当时要求不能调用numpy以外的库需要手写IoU计算和NMS逻辑。我当时的实现思路是先按score降序排序然后依次选取最高分的框剔除与它IoU超过阈值的其他框重复这个过程直到候选框为空。这里有一个容易出bug的地方排序后索引会变所以建议直接对索引数组进行排序而不是对框数组本身排序这样方便最后返回结果。这是一个完整的NMS实现我在笔试时就是这个思路写的import numpy as np def nms(dets, thresh): 纯 NumPy 实现 NMS dets: ndarray, shape (N, 5), 每行 [x1, y1, x2, y2, score] thresh: float, IoU 阈值 返回: list, 保留的框索引 x1 dets[:, 0] y1 dets[:, 1] x2 dets[:, 2] y2 dets[:, 3] scores dets[:, 4] areas (x2 - x1 1) * (y2 - y1 1) # 按 score 降序排列的索引 order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) if order.size 1: break # 计算当前框与其余所有框的交集区域 xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1 1) h np.maximum(0.0, yy2 - yy1 1) inter w * h iou inter / (areas[i] areas[order[1:]] - inter) # 保留 IoU 小于阈值的框索引 inds np.where(iou thresh)[0] order order[inds 1] return keep这里需要特别说明两个关键点。第一计算IoU时交集区域宽度高度要加1因为像素坐标是离散的左上角和右下角坐标表示的矩形框面积应该用 ( (x2 - x1 1) \times (y2 - y1 1) ) 计算不加1的话面积会少算一行一列。第二inds 1是因为order[1:]相对于原order数组偏移了一位需要把筛选出的相对索引映射回原数组中的位置。这两个细节很多人在紧张的环境下容易写错我建议大家平时练习时就要形成肌肉记忆。实测下来这个实现的性能在单线程处理5000个框时大约需要20到30毫秒对于笔试场景完全够用。如果后续要做工程优化可以用torchvision.ops.nms或者cv2.dnn.NMSBoxes但笔试中考察面试者手动实现的能力这个版本是最稳妥的。4. 编程题进阶旋转目标检测中的IoU计算4.1 旋转框与水平框的IoU计算差异第二道编程题比较有挑战性给定一个旋转矩形的中心坐标、宽高和旋转角度再给定一个水平矩形计算两者的IoU。这道题考察的是旋转目标检测oriented object detection的基础实现能力。先解释一下为什么需要旋转框在航拍图像、文档图像、医疗影像等场景中目标往往不是水平分布的。比如文档中的印章、照片中的车辆、遥感图像中的建筑用水平框会框入大量背景导致检测精度下降。旋转框能更紧凑地包围目标因此在高精度场景中越来越常用。但旋转框的IoU计算复杂度比水平框高很多因为两个旋转矩形的交集区域通常是一个不规则多边形。笔试题目中给出的旋转矩形定义方式通常是中心点坐标 ( (x_c, y_c) )、宽 ( w )、高 ( h )、旋转角度 ( \theta )。这里的角度定义需要格外注意不同框架OpenCV、DOTA数据集、MMRotate对角度的定义各不相同有的用弧度有的用角度有的定义为与x轴正方向的夹角有的定义为与y轴负方向的夹角。笔试题目中明确说明角度单位为度、表示矩形长边与x轴正方向的夹角这样才统一了解题口径。4.2 基于多边形相交的IoU实现计算旋转框IoU的核心思路是将旋转矩形表示为多边形用Sutherland-Hodgman算法计算两个多边形的交集面积然后用IoU公式得到结果。这种方法虽然比解析法稍慢但通用性强适用于任意凸多边形。第一步把旋转矩形转换为四个顶点坐标。给定中心点、宽高和角度顶点坐标可以通过旋转矩阵计算。这里注意矩形的宽对应长边高对应短边但实际计算中宽高与角度定义的对应关系经常因为数据集的差异而改变方向所以读题要仔细。import math import numpy as np from shapely.geometry import Polygon def rotated_rect_to_points(cx, cy, w, h, angle): 将旋转矩形转换为四个顶点坐标 angle 单位为度表示矩形长边(w)与x轴正方向的夹角 theta math.radians(angle) cos_a math.cos(theta) sin_a math.sin(theta) # 半宽半高 half_w w / 2.0 half_h h / 2.0 # 矩形在旋转前的四个顶点以中心为原点 corners [ (-half_w, -half_h), (half_w, -half_h), (half_w, half_h), (-half_w, half_h), ] # 旋转并平移到中心坐标 points [] for dx, dy in corners: x cx dx * cos_a - dy * sin_a y cy dx * sin_a dy * cos_a points.append((x, y)) return points def poly_iou(rotated_rect, hbox): 计算旋转矩形与水平矩形的 IoU rotated_rect: (cx, cy, w, h, angle) hbox: (x1, y1, x2, y2) pts1 rotated_rect_to_points(*rotated_rect) pts2 [ (hbox[0], hbox[1]), (hbox[2], hbox[1]), (hbox[2], hbox[3]), (hbox[0], hbox[3]), ] poly1 Polygon(pts1) poly2 Polygon(pts2) if not poly1.is_valid or not poly2.is_valid: return 0.0 inter_area poly1.intersection(poly2).area union_area poly1.area poly2.area - inter_area if union_area 0: return 0.0 return inter_area / union_area4.3 题目为什么要考旋转框从业务到技术的思考把这道题放到笔试里其实反映了视觉算法岗位在实际业务中的技术需求。好未来有拍照搜题、作业批改、口算批改等业务这些场景中经常需要检测不规则排列的文本区域、手写公式、图形题目。答题卡中的选择题答案区域、试卷中的题号、书本中的插图很多都不是水平对齐的。如果用水平检测框很容易把相邻区域的内容框在一起导致后续的识别和结构化失败。旋转框检测能更精准地定位目标区域减少背景干扰提高OCR和版面分析的准确率。在实现层面早期很多团队直接调用OpenCV的cv2.boxPoints和cv2.intersectConvexConvex来计算旋转框的交集面积但在处理极端情况完全包含、完全不相交、边界相切时容易出问题。我当时在笔试中用的是shapely库的多边形布尔运算好处是代码简洁、逻辑清晰但性能一般。如果面试官现场要求手写实现需要掌握Sutherland-Hodgman多边形裁剪算法来求两个凸多边形的交集这个算法虽然有点复杂但核心只有三步依次用裁剪边切割多边形、保留内侧顶点、生成新的顶点序列。建议大家提前把它练习熟练因为笔试环境不一定能上网查资料。5. 模型性能优化与工程落地面试官真正想考察的能力5.1 模型速度优化策略量化和剪枝简答题有一道考察模型部署经验的题目线上服务中检测模型推理速度跟不上你会如何优化这个问题在算法岗笔试中非常常见考察的不是你会不会用某个工具而是你有没有完整的性能优化思路。我的回答分三个层面展开。第一层是模型层面的优化用轻量级骨干网络替换大模型比如MobileNet替换ResNet、减少特征图通道数、简化检测头结构、使用Ghost Module或者Depthwise Separable Convolution。第二层是推理框架层面的优化使用TensorRT进行FP16或INT8量化开启图优化层融合、常量折叠设置合适的batch size利用GPU并行性。第三层是硬件层面的优化多GPU负载均衡、使用Tensor Core、调整算子和显存分配策略。工程中更常见的是量化。INT8量化可以把模型体积缩小到原来的四分之一推理速度提升两到三倍。但量化后模型精度通常会有下降特别是一些对数值敏感的网络层比如检测头的回归分支。我在实际项目中用过一个技巧对量化敏感层如检测头保持FP16精度对特征提取层做INT8量化混合精度部署能够在精度损失极小的情况下获得较高的加速比。这里需要强调的是量化后的模型必须用验证集重新评测mAP而不是只看推理耗时因为在某些超分辨率、小目标检测任务上INT8量化可能导致精度下降超过10%这种代价往往不可接受。5.2 训练效率优化数据加载与分布式训练还有一道简答题问训练大模型时数据加载速度成为瓶颈如何解决。这问题在真正训练过大规模数据集的人看来是送分题但没实际操作过的人可能只能想到“换更好的GPU”。我当时从软件和硬件两个角度回答了。软件层面主要是数据预取和增强的流水线设计使用DataLoader的num_workers参数多进程加载数据开启pin_memoryTrue把数据直接加载到GPU锁页内存使用prefetch_factor预取数据让GPU在训练的同时CPU并行做数据增强。硬件层面则可以考虑把数据放到NVMe SSD上避免机械硬盘的随机读取瓶颈如果服务器有多个GPU配合DistributedDataParallel进行分布式训练每个GPU负责一个batch的子集可以显著提升训练吞吐。回答中还应该提到一个容易忽略的细节数据增强操作尽量放在GPU上执行比如torchvision.transforms中的随机裁剪、颜色抖动可以放到CUDA张量上做减少CPU到GPU的数据拷贝。我在训练检测模型时用过的通用配置是num_workers8prefetch_factor4pin_memoryTrue在8卡A100上训练YOLO系列模型时数据加载不再成为瓶颈。如果是在Windows上调试数据加载慢甚至出现“卡死”现象大概率是num_workers设置过大或主进程的spawn模式冲突可以直接用if __name__ __main__:包裹训练入口来解决。5.3 训练不收敛与Loss震荡的排查思路虽然这次笔试没有单独出排查训练异常的题但简答题中有一个子问题涉及训练初期loss不下降的原因分析这里一并整理。训练不收敛的原因通常有下面几类学习率设置不合理、数据标签错误、模型结构初始化问题、优化器选择错误、BN层在训练/推理模式间切换错误。最系统的排查思路是“先从最简单情况开始验证”拿一小批数据比如16张图先过拟合训练如果这个小实验都不能让loss降下去说明模型结构或数据流有问题。如果小批量可以过拟合再逐步增加数据量、调整正则化参数和学习率排查问题出在哪个环节。在检测任务中还有一个常见的坑使用预训练权重时如果数据集的类别数发生改变检测头最后一层的输出通道必须重新初始化否则加载权重时会发生维度不匹配报错或者由于随机初始化的输出层产生巨大loss值导致训练早期梯度爆炸。我在实习时遇到过一次这种情况当时一排除了好久才发现是类别数改少了、但检测头没有同步调整。这类经验在面试笔试中如果主动说出来会比较加分因为它说明你踩过坑、有真实调试能力。5.4 数据增强策略遮挡、拼接与多尺度训练简答题中还有一道关于数据增强的题目检测任务中如何设计数据增强策略来提升模型鲁棒性。这道题相对开放核心考察你对数据增强的理解深度和应用经验。我分了三类回答。第一类是几何增强随机翻转、随机旋转90度、180度、270度、随机裁剪、多尺度训练输入图像随机缩放到不同尺寸。第二类是颜色增强亮度、对比度、饱和度、色相的随机调整这类增强对光照变化的鲁棒性很有帮助。第三类是模拟真实场景的增强随机遮挡Random Erasing、MixUp、CutMix、Mosaic。实际项目中Mosaic增强被YOLOv4验证为非常有效的方法它把4张训练图像拼接成一张极大地增加了单张图像的目标数量和背景多样性有利于小目标检测和模型泛化。但在教育场景的试卷图像中直接使用Mosaic可能会破坏文本行的结构连续性导致检测器学到错误的上下文特征。我当时调整了策略只对不包含文本的行区域使用Mosaic对文本密集区域保持原图输入这样在保持增强多样性的同时不会破坏文本的结构信息。笔试里如果能答出这样“针对业务场景做调整”的经验会明显区别于“只会背Augmentation列表”的候选人。6. 综合题里的教育场景技术如何服务于业务6.1 试卷版面分析与文本检测不只是OCR好未来的笔试和面试题经常围绕教育场景展开这次有一道综合题如何设计一套试卷版面分析系统自动识别试卷中的题号、文本行、公式和图片区域并把题目按结构切分出来。这本质上是一个文档版面分析Document Layout Analysis问题但它比一般的OCR任务复杂得多因为试卷布局多样、公式排版复杂、手写和印刷字体混排。我当时从数据、算法、后处理三个层面给出了方案。数据层面收集覆盖各学科、各年级、各排版风格的真实试卷图像标注题号区域、文本行、公式区域、图片区域四类元素类别不平衡时用难例挖掘补充样本。算法层面版面分析主流做法有两种。第一种是目标检测OCR先用检测模型定位试卷中的不同区域再对文本区域用OCR识别内容这种方法直观但流程较长第二种是基于分割的方法用语义分割模型如U-Net分像素级地分割版面区域再通过连通域分析得到区域边界这种方法对不规则区域更友好。现在也有很多工作直接用多模态大模型做端到端的版面理解但在实时性和成本敏感的场景中传统CV方案仍然有不可替代的优势。后处理层面是这道题的加分项检测出题目区域后需要根据题号如“1.”“2.”“3.”和题目的上下位置关系做结构化排序清理误检、合并碎片区域。比如一个题干如果跨页被检测成两个框需要根据文本内容的语义连续性把它们拼接起来一道题包含文本、公式和图片多个不同类别的区域则要把它们合并为一个题目单元。笔试中强调这个层面的工作会让面试官看到你有系统思考能力而不是只会在模型层做功夫这种“模型业务规则”的思维方式恰恰是教育AI场景最需要的。6.2 拍照搜题中的文本检测难点另一个让我印象深刻的场景题拍照搜题中用户用手机拍摄题目时经常出现光线不均、纸张褶皱、手指遮挡、倾斜透视等问题如何设计文本检测模型保证在这些条件下也能准确识别。这道题的考察重点不再仅仅是模型结构而是完整的工程系统思维。我分三个层次回答。预处理层用Retinex算法或CLAHE做光照归一化用透视变换校正拍摄角度用边缘检测辅助定位纸张边界。检测层训练阶段使用包含遮挡、模糊、低光照的困难样本增强推理时使用多尺度测试策略检测多个尺度的文本区域然后融合结果。后处理层对相邻文本行做文本线合并过滤掉明显误检的孤立碎框利用版面先验信息比如试卷的左右两栏结构校正检测结果。这套回答没有使用高深的公式但体现的是对真实应用场景的理解。面试官在点评时也强调他们希望候选人不要只做一个“调包侠”而是要理解算法在真实环境中的边界和限制针对问题设计可行的解决方案。准备拍照搜题这类场景我建议同学们平时多收集一些真实场景的照片做测试比如晚上开台灯拍的试卷、手压着纸张拍的课本、从侧面斜拍的板书这些才是检验模型能力的最好试金石。6.3 不同笔试批次的差异与应对思路这是第三批笔试好未来视觉算法岗的批次之间会有题目重复但侧重点会调整。从大家反馈来看前两批的编程题侧重于基础的NMS和ResNet手动实现而第三批的编程题明显加入了旋转框的内容难度有所提升。这说明不只是简单考基础而是逐步加深对几何计算和工程实现的要求。也提醒我们备战秋招笔试时别只刷旧题要关注今年新增的考察方向。主观题方面好未来比较看重候选人对教育场景的理解所以简答题和综合题经常会结合在线教育、试卷识别、拍照搜题等业务场景出题。如果你准备投递这类教育科技公司最好提前研究一下他们的产品和核心技术方向提前思考自己日后的工作如何与这些业务结合。笔试中这种“业务理解”的主观表达往往比多说几个技术名词更能打动阅卷人。7. 笔试复盘中的经验与技巧7.1 时间管理客观题千万别恋战这次笔试我最大的体会是时间管理直接决定你能不能做完编程题。客观题中有几道多选题比较纠结我提醒自己先跳过最后再回来看。事实证明这个策略是对的编程题两道都顺利写出了答案最后还剩5分钟检查了一遍客观题的疑问项。具体的节奏建议发卷后先浏览一遍所有题目对难度和题量有个心理预期。看到熟悉的知识点尽量快速作答看到需要推导的题先标记。客观题总时长控制在30到40分钟简答题每题控制在10分钟左右编程题每题至少预留25分钟。如果一道编程题卡了超过30分钟还写不出来先跳过去写另一道最后再回来补因为一道拿部分分的题比一道完全空白的题要好得多。7.2 踩过的坑笔试中有哪些容易丢分的地方回顾这次笔试我有几处明显的失误写出来给大家避坑。第一多选题的漏选扣分机制。有几道题我对选项的把握只有七八成结果为了多拿选对的分数选了四个选项结果正确答案只有三个扣了整题的分。教训是多选不确定时宁可少选不要为了碰运气选不确定的选项——很多笔试系统的多选是“选多不得分”选少还能拿部分分。第二编程题的输入输出格式。旋转框的角度单位没有仔细确认一开始我以为是弧度代码写了一半才发现题目给的是角度。笔试环境中没办法像IDE那样实时调试只能自己反复读题。建议刷题时养成先确认输入输出格式的习惯尤其是坐标、角度、颜色值这类容易出歧义的量。第三代码风格和注释。编程题虽然不要求写注释但简短的注释能帮助阅卷人理解你的思路也能让自己梳理逻辑。我的NMS代码里每步都写了注释不仅方便自己检查还能在判断条件出错时快速定位。7.3 笔试后的复盘方法刷题之外的提升路径笔试结束之后无论结果如何都要做一次完整复盘只有这样才能真正提升实战能力。复盘不只是看哪些题做错了而是分析错因是知识盲区、是紧张失误还是题目理解偏差。我习惯把错题分成三类记录概念不清型、推导错误型、工程细节型每一类对应不同的补强方向。概念不清型需要回归论文和教科书重新理解原理推导错误型需要动手把公式推导一遍尤其是感受野、IoU、空洞卷积输出尺寸这类基础计算工程细节型则需要多写代码多调试例如NMS、旋转框转换、RPN的anchor生成、数据加载器这些代码不能只看不写至少要亲手实现过一遍才能在笔试现场快速输出。还有一个心得不要只做笔试真题建议自己给自己出题。比如学完YOLO系列后试着自己推导一下loss公式把正样本分配逻辑写出来学完Transformer后试着手写一个multi-head self-attention 的前向传播和反向传播维度分析。这种“输出式学习”对知识的掌握程度远远超过“刷题式学习”。我准备秋招时每周给自己出两道“综合题”把算法原理、工程实现和业务场景整合在一起事实证明面试笔试中很多问题都能从容应对。7.4 给准备视觉算法岗的同学的几个建议结合这次好未来的笔试经历和过去几年的求职经验我想给正在准备视觉算法岗的同学几个具体建议。第一个建议把深度学习基础打牢尤其是CNN结构、归一化、损失函数、梯度传播这些核心概念。笔试中的客观题往往不会直接考论文里的大标题而是考容易被忽略的细节比如BN在训练和推理时的行为差异、感受野的准确计算、不同激活函数的导数区间。这些知识点看起来基础但恰恰是区分“调参选手”和“理解型选手”的地方。第二个建议动手实现经典算法不要只依赖深度学习框架。NMS、RoI Pooling、Focal Loss、anchor生成、数据增强这些操作建议都用NumPy手写一遍。笔试时间紧张如果平时没有形成肌肉记忆现场很容易卡壳。之前我面试实习生时现场让候选人写一个NMS不少人用了十分钟还没写对就是因为平时都直接调torchvision.ops.nms从没考虑过内部实现。第三个建议关注业务场景和技术结合的能力。现在算法岗位的笔试面试越来越重视候选人的业务理解力尤其是教育、医疗、安防、自动驾驶这些行业应用不同场景对算法的需求千差万别。准备好一两个自己深度参与过的完整项目在笔试简答和面试环节中主动把项目经验联系到题目场景展示自己不仅会“做模型”还懂得“做产品”。第四个建议保持刷题习惯尤其是编程题。视觉算法岗的编程题虽然不像纯开发岗那样考复杂的算法题如线段树、KMP但NMS、IoU计算、图像变换矩阵、多线程数据加载这类代码是高频考点。建议在LeetCode上保持每周至少3到5题的刷题量同时用NumPy和Python内置库多写一些图像处理相关的代码保证手速和代码熟练度。第五个建议保持题库收集和错题整理的习惯。笔试不是临时抱佛脚能搞定的需要持续积累。我把每次笔试面试的题目和复盘整理成一份个人知识库分类存放考前集中复习效果非常好。有些题目会在不同公司的笔试题中重复出现有些考点会在同一公司的不同批次中反复考察掌握好这些规律能少走很多弯路。 好未来视觉算法岗秋招笔试复盘：考点拆解与解题思路
2023年好未来秋招视觉算法岗第三批笔试复盘考点拆解与解题思路每年八九月份都是秋招最紧张的阶段视觉算法岗的竞争尤其激烈。我参加了好未来2023年秋招视觉算法岗的第三批笔试整体感受是题目不算偏但覆盖范围广、细节挖得深编程题对工程实现能力有明确要求。这篇文章把笔试中遇到的典型题目、考点和解题思路整理出来给正在准备算法岗笔试的同学一些参考——尤其是那些想把视觉方向作为主攻目标的这份复盘值得仔细看。这次笔试时长120分钟题型分为三大部分客观题单选题多选题、简答题、两道编程题。客观题主要考察深度学习基础、卷积神经网络原理、目标检测经典模型简答题侧重模型调优和损失函数设计编程题则直接上手写代码一道是纯算法实现另一道结合了图像处理场景。整体难度中等偏上但真正拉开差距的往往是那些“看似熟悉、实则容易翻车”的细节题。1. 笔试整体概览与考点分布1.1 题型结构与时间分配先说说整场笔试的整体结构好未来的笔试系统是牛客网大家应该都熟悉。进入系统后先填基本信息然后直接开始答题。客观题一共20道单选15道、多选5道每题分值不同多选题少选得部分分、错选不得分。简答题两道每题10到15分。编程题两道每题20分左右。总分100分笔试结束后系统会立刻出客观题分数主观题需要等待批改。时间分配上我踩过一次坑这里先提醒大家前两批笔试就有人因为客观题纠结太久最后编程题没写完。我给自己定的策略是客观题控制在35到40分钟内完成不会的先标记跳过不要恋战。简答题留20分钟两道编程题各留25到30分钟。实际上我最后编程题第一道花了25分钟第二道花了20分钟时间刚好够用。题目内容跨度比较大从Python语法细节到ResNet的残差连接从Focal Loss公式推导到NMS的代码实现全都覆盖了。这也反映出一个趋势现在的视觉算法岗笔试不再只考“会不会调库”而是考察你对模型原理的理解深度和工程落地能力。1.2 考点模块与分值占比分析从考点分布来看深度学习和卷积神经网络基础占了最大比重大约30%的题目都在围绕CNN的结构设计、感受野计算、BN层细节这些展开。目标检测相关的题目紧随其后占了20%左右YOLO系列和Faster R-CNN是重点。图像处理基础、模型优化与部署、Python工程能力三个模块加起来占了剩下的50%。这里有一个值得注意的点好未来作为教育科技公司笔试中出现了和教育场景结合的题目比如拍照搜题场景下的文本检测、作业批改中的版面分析。这类题目不仅有技术考察还在看你是否能理解业务需求并将算法落地到真实场景中。准备这类公司的笔试时除了刷经典的CV题目还要多想想自己的技术方向如何与教育业务结合。下面是这次笔试考点模块的整理我按照“考察方向 / 具体知识点 / 题型”做了分类方便大家对照自测考察方向具体知识点出现题型CNN基础感受野计算、1x1卷积作用、BN层原理单选、多选目标检测YOLO anchor机制、Faster R-CNN RPN、NMS单选、简答、编程损失函数Focal Loss公式与梯度分析、样本不均衡单选、简答图像处理基础高斯滤波、边缘检测算子对比单选模型优化量化、剪枝、TensorRT加速简答Python工程生成器与迭代器、多线程、NumPy矩阵运算单选、编程2. 深度学习理论基础题细节决定成败2.1 感受野计算最容易被问倒的基础题笔试第一道印象深刻的单选题一个三层卷积网络每层卷积核大小都是3x3步长为1padding为1输入图像尺寸是32x32问第三层卷积输出的特征图上一个像素对应原始图像的感受野是多大。这里需要记住感受野的递推公式( RF_{k} RF_{k-1} (kernel_size - 1) \times stride_accumulated )其中 ( stride_accumulated ) 是从当前层到前面的累积步长。更直观的算法是从后往前推从输出层开始依次计算每层往前映射的范围。3x3卷积、步长1、padding 1这样的配置不会改变特征图尺寸32x32输入输出还是32x32但每一层都会让感受野扩大2个像素。第一层输出感受野是3第二层是5第三层是7。所以答案选7x7。这类题几乎是每次笔试的必考题关键在于理解 stride 如何影响感受野的累加。我见过不少人在计算时会犯一个错误把padding也算进了感受野。感受野定义的是原始图像上能影响输出像素的区域大小padding只是辅助控制边界并不改变理论感受野。当年我在实习面试时就因为这个被面试官追问了很久这次笔试碰到类似题心里就有底了。2.2 Batch Normalization 的坑训练和推理行为不同多选题里有道关于Batch Normalization的题问以下哪些说法正确。选项包括训练时使用mini-batch的均值和方差归一化、推理时使用全局统计量、BN层能缓解梯度消失、BN对batch size大小不敏感。前三个选项都是对的第四个是错的。BN在训练时对每个mini-batch计算均值和方差推理时则使用训练阶段累积的全局均值和方差通过滑动平均得到。BN的核心作用是把中间层输出拉回到均值为0、方差为1的分布让后续层的输入更稳定从而缓解梯度消失、加速收敛。但BN对batch size比较敏感批次太小时统计量波动大效果会明显下降。这道题其实在提醒我们看论文和调模型时除了知道BN“是什么”还要理解它“为什么有效”以及“什么场景下会失效”。比如检测模型在推理阶段如果用了过大的batch size做测试但训练时batch size较小统计量的分布就会不匹配导致精度下降。工程中遇到训练和推理精度不一致的问题第一个要排查的就是BN层的状态切换是否正确。2.3 梯度消失与激活函数选择简答题有一道是解释为什么深层网络容易出现梯度消失以及在视觉模型中如何缓解。这道题属于面试笔试中的“老熟人”但想拿高分需要在细节上展开。梯度消失的本质是链式法则的连乘效应。反向传播时梯度从输出层向输入层传递每一层都要乘以激活函数的导数。对于Sigmoid函数导数的最大值只有0.25多层连乘后梯度迅速衰减到接近0导致浅层参数几乎无法更新。缓解手段主要有四种一是使用ReLU及其变体Leaky ReLU、Swish等正区间导数为1不会衰减二是引入残差连接ResNet的恒等映射让梯度可以“抄近路”直接传到浅层三是使用BN层稳定分布避免梯度进入饱和区四是合理的初始化方法Kaiming初始化、Xavier初始化让每层输出的方差可控。回答这类简答题时建议把“为什么”讲透再配合具体模型举例而不是只罗列名词。评卷人想看到的是你真正理解这些机制而不是背了一堆术语。3. 目标检测专题从原理到代码实现3.1 Anchor机制YOLO与Faster R-CNN的对比笔试中有一道多选题对比YOLOv3和Faster R-CNN的anchor机制问两者在anchor设置上的主要区别。这题考察的是对检测模型发展的理解而不是简单背诵。Faster R-CNN的RPNRegion Proposal Network在特征图的每个位置预设9个anchor3种尺度x3种长宽比然后通过分类分支判断anchor是前景还是背景通过回归分支修正anchor的位置和尺寸。RPN的输出是候选框后续还有ROI Pooling和分类回归网络属于两阶段检测器特点是精度高但速度慢。YOLOv3的anchor是通过对训练数据集中标注框做K-means聚类得到的。在每个特征图网格上预设3个anchor输出直接预测物体类别、置信度和边界框偏移量属于单阶段检测器速度快但小目标检测精度相对弱一些。YOLOv3在不同尺度的特征图上分别设置anchor大特征图负责小目标这种多尺度预测的思路后来被很多模型沿用。两者本质区别在于Faster R-CNN的anchor是通用的领域先验而YOLO的anchor是从数据中统计出来的。实际工程中YOLO的anchor如果聚类结果和任务数据分布差异大性能会受影响所以做自定义数据集训练时第一件事往往是重新聚类anchor我在实际项目中就用K-means重新计算过anchor确实能让mAP涨一到两个点。3.2 Focal Loss 与正负样本不平衡简答题出现了一道“送分但不容易拿满分”的题目请写出Focal Loss的公式并解释它如何解决正负样本不平衡问题。这道题考察的是RetinaNet的核心思想但很多人只记得公式没理解设计逻辑。Focal Loss是在交叉熵损失基础上引入调制因子 [ FL(p_t) -\alpha_t (1 - p_t)^\gamma \log(p_t) ] 其中 ( p_t ) 是模型对正确类别的预测概率( \alpha_t ) 是类别权重( \gamma ) 是聚焦参数论文中通常取2。它的核心逻辑是当样本被正确分类且置信度较高时( p_t ) 接近1( (1 - p_t)^\gamma ) 会变得很小这部分样本的loss被大幅降低而分类困难的样本( p_t ) 较小的loss几乎不受影响。这样模型训练时注意力就集中在那些“难分”的样本上避免大量easy negative样本淹没梯度。回答这道题时除了公式我还补充了实际调参经验( \gamma ) 太小起不到抑制作用( \gamma ) 太大又可能让困难样本权重过高、导致训练不稳定( \alpha ) 通常设为0.25能够与( \gamma 2 )搭配出较好效果这是论文作者的实验结论实际项目中应根据数据分布进行调整。3.3 编程题NMS非极大值抑制的工程实现第一道编程题是实现NMS非极大值抑制输入是候选框数组每行包含x1, y1, x2, y2, score输出经过NMS后的框索引列表。这是目标检测中最基础的后处理操作也是笔试出现频率最高的代码题之一。当时要求不能调用numpy以外的库需要手写IoU计算和NMS逻辑。我当时的实现思路是先按score降序排序然后依次选取最高分的框剔除与它IoU超过阈值的其他框重复这个过程直到候选框为空。这里有一个容易出bug的地方排序后索引会变所以建议直接对索引数组进行排序而不是对框数组本身排序这样方便最后返回结果。这是一个完整的NMS实现我在笔试时就是这个思路写的import numpy as np def nms(dets, thresh): 纯 NumPy 实现 NMS dets: ndarray, shape (N, 5), 每行 [x1, y1, x2, y2, score] thresh: float, IoU 阈值 返回: list, 保留的框索引 x1 dets[:, 0] y1 dets[:, 1] x2 dets[:, 2] y2 dets[:, 3] scores dets[:, 4] areas (x2 - x1 1) * (y2 - y1 1) # 按 score 降序排列的索引 order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) if order.size 1: break # 计算当前框与其余所有框的交集区域 xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1 1) h np.maximum(0.0, yy2 - yy1 1) inter w * h iou inter / (areas[i] areas[order[1:]] - inter) # 保留 IoU 小于阈值的框索引 inds np.where(iou thresh)[0] order order[inds 1] return keep这里需要特别说明两个关键点。第一计算IoU时交集区域宽度高度要加1因为像素坐标是离散的左上角和右下角坐标表示的矩形框面积应该用 ( (x2 - x1 1) \times (y2 - y1 1) ) 计算不加1的话面积会少算一行一列。第二inds 1是因为order[1:]相对于原order数组偏移了一位需要把筛选出的相对索引映射回原数组中的位置。这两个细节很多人在紧张的环境下容易写错我建议大家平时练习时就要形成肌肉记忆。实测下来这个实现的性能在单线程处理5000个框时大约需要20到30毫秒对于笔试场景完全够用。如果后续要做工程优化可以用torchvision.ops.nms或者cv2.dnn.NMSBoxes但笔试中考察面试者手动实现的能力这个版本是最稳妥的。4. 编程题进阶旋转目标检测中的IoU计算4.1 旋转框与水平框的IoU计算差异第二道编程题比较有挑战性给定一个旋转矩形的中心坐标、宽高和旋转角度再给定一个水平矩形计算两者的IoU。这道题考察的是旋转目标检测oriented object detection的基础实现能力。先解释一下为什么需要旋转框在航拍图像、文档图像、医疗影像等场景中目标往往不是水平分布的。比如文档中的印章、照片中的车辆、遥感图像中的建筑用水平框会框入大量背景导致检测精度下降。旋转框能更紧凑地包围目标因此在高精度场景中越来越常用。但旋转框的IoU计算复杂度比水平框高很多因为两个旋转矩形的交集区域通常是一个不规则多边形。笔试题目中给出的旋转矩形定义方式通常是中心点坐标 ( (x_c, y_c) )、宽 ( w )、高 ( h )、旋转角度 ( \theta )。这里的角度定义需要格外注意不同框架OpenCV、DOTA数据集、MMRotate对角度的定义各不相同有的用弧度有的用角度有的定义为与x轴正方向的夹角有的定义为与y轴负方向的夹角。笔试题目中明确说明角度单位为度、表示矩形长边与x轴正方向的夹角这样才统一了解题口径。4.2 基于多边形相交的IoU实现计算旋转框IoU的核心思路是将旋转矩形表示为多边形用Sutherland-Hodgman算法计算两个多边形的交集面积然后用IoU公式得到结果。这种方法虽然比解析法稍慢但通用性强适用于任意凸多边形。第一步把旋转矩形转换为四个顶点坐标。给定中心点、宽高和角度顶点坐标可以通过旋转矩阵计算。这里注意矩形的宽对应长边高对应短边但实际计算中宽高与角度定义的对应关系经常因为数据集的差异而改变方向所以读题要仔细。import math import numpy as np from shapely.geometry import Polygon def rotated_rect_to_points(cx, cy, w, h, angle): 将旋转矩形转换为四个顶点坐标 angle 单位为度表示矩形长边(w)与x轴正方向的夹角 theta math.radians(angle) cos_a math.cos(theta) sin_a math.sin(theta) # 半宽半高 half_w w / 2.0 half_h h / 2.0 # 矩形在旋转前的四个顶点以中心为原点 corners [ (-half_w, -half_h), (half_w, -half_h), (half_w, half_h), (-half_w, half_h), ] # 旋转并平移到中心坐标 points [] for dx, dy in corners: x cx dx * cos_a - dy * sin_a y cy dx * sin_a dy * cos_a points.append((x, y)) return points def poly_iou(rotated_rect, hbox): 计算旋转矩形与水平矩形的 IoU rotated_rect: (cx, cy, w, h, angle) hbox: (x1, y1, x2, y2) pts1 rotated_rect_to_points(*rotated_rect) pts2 [ (hbox[0], hbox[1]), (hbox[2], hbox[1]), (hbox[2], hbox[3]), (hbox[0], hbox[3]), ] poly1 Polygon(pts1) poly2 Polygon(pts2) if not poly1.is_valid or not poly2.is_valid: return 0.0 inter_area poly1.intersection(poly2).area union_area poly1.area poly2.area - inter_area if union_area 0: return 0.0 return inter_area / union_area4.3 题目为什么要考旋转框从业务到技术的思考把这道题放到笔试里其实反映了视觉算法岗位在实际业务中的技术需求。好未来有拍照搜题、作业批改、口算批改等业务这些场景中经常需要检测不规则排列的文本区域、手写公式、图形题目。答题卡中的选择题答案区域、试卷中的题号、书本中的插图很多都不是水平对齐的。如果用水平检测框很容易把相邻区域的内容框在一起导致后续的识别和结构化失败。旋转框检测能更精准地定位目标区域减少背景干扰提高OCR和版面分析的准确率。在实现层面早期很多团队直接调用OpenCV的cv2.boxPoints和cv2.intersectConvexConvex来计算旋转框的交集面积但在处理极端情况完全包含、完全不相交、边界相切时容易出问题。我当时在笔试中用的是shapely库的多边形布尔运算好处是代码简洁、逻辑清晰但性能一般。如果面试官现场要求手写实现需要掌握Sutherland-Hodgman多边形裁剪算法来求两个凸多边形的交集这个算法虽然有点复杂但核心只有三步依次用裁剪边切割多边形、保留内侧顶点、生成新的顶点序列。建议大家提前把它练习熟练因为笔试环境不一定能上网查资料。5. 模型性能优化与工程落地面试官真正想考察的能力5.1 模型速度优化策略量化和剪枝简答题有一道考察模型部署经验的题目线上服务中检测模型推理速度跟不上你会如何优化这个问题在算法岗笔试中非常常见考察的不是你会不会用某个工具而是你有没有完整的性能优化思路。我的回答分三个层面展开。第一层是模型层面的优化用轻量级骨干网络替换大模型比如MobileNet替换ResNet、减少特征图通道数、简化检测头结构、使用Ghost Module或者Depthwise Separable Convolution。第二层是推理框架层面的优化使用TensorRT进行FP16或INT8量化开启图优化层融合、常量折叠设置合适的batch size利用GPU并行性。第三层是硬件层面的优化多GPU负载均衡、使用Tensor Core、调整算子和显存分配策略。工程中更常见的是量化。INT8量化可以把模型体积缩小到原来的四分之一推理速度提升两到三倍。但量化后模型精度通常会有下降特别是一些对数值敏感的网络层比如检测头的回归分支。我在实际项目中用过一个技巧对量化敏感层如检测头保持FP16精度对特征提取层做INT8量化混合精度部署能够在精度损失极小的情况下获得较高的加速比。这里需要强调的是量化后的模型必须用验证集重新评测mAP而不是只看推理耗时因为在某些超分辨率、小目标检测任务上INT8量化可能导致精度下降超过10%这种代价往往不可接受。5.2 训练效率优化数据加载与分布式训练还有一道简答题问训练大模型时数据加载速度成为瓶颈如何解决。这问题在真正训练过大规模数据集的人看来是送分题但没实际操作过的人可能只能想到“换更好的GPU”。我当时从软件和硬件两个角度回答了。软件层面主要是数据预取和增强的流水线设计使用DataLoader的num_workers参数多进程加载数据开启pin_memoryTrue把数据直接加载到GPU锁页内存使用prefetch_factor预取数据让GPU在训练的同时CPU并行做数据增强。硬件层面则可以考虑把数据放到NVMe SSD上避免机械硬盘的随机读取瓶颈如果服务器有多个GPU配合DistributedDataParallel进行分布式训练每个GPU负责一个batch的子集可以显著提升训练吞吐。回答中还应该提到一个容易忽略的细节数据增强操作尽量放在GPU上执行比如torchvision.transforms中的随机裁剪、颜色抖动可以放到CUDA张量上做减少CPU到GPU的数据拷贝。我在训练检测模型时用过的通用配置是num_workers8prefetch_factor4pin_memoryTrue在8卡A100上训练YOLO系列模型时数据加载不再成为瓶颈。如果是在Windows上调试数据加载慢甚至出现“卡死”现象大概率是num_workers设置过大或主进程的spawn模式冲突可以直接用if __name__ __main__:包裹训练入口来解决。5.3 训练不收敛与Loss震荡的排查思路虽然这次笔试没有单独出排查训练异常的题但简答题中有一个子问题涉及训练初期loss不下降的原因分析这里一并整理。训练不收敛的原因通常有下面几类学习率设置不合理、数据标签错误、模型结构初始化问题、优化器选择错误、BN层在训练/推理模式间切换错误。最系统的排查思路是“先从最简单情况开始验证”拿一小批数据比如16张图先过拟合训练如果这个小实验都不能让loss降下去说明模型结构或数据流有问题。如果小批量可以过拟合再逐步增加数据量、调整正则化参数和学习率排查问题出在哪个环节。在检测任务中还有一个常见的坑使用预训练权重时如果数据集的类别数发生改变检测头最后一层的输出通道必须重新初始化否则加载权重时会发生维度不匹配报错或者由于随机初始化的输出层产生巨大loss值导致训练早期梯度爆炸。我在实习时遇到过一次这种情况当时一排除了好久才发现是类别数改少了、但检测头没有同步调整。这类经验在面试笔试中如果主动说出来会比较加分因为它说明你踩过坑、有真实调试能力。5.4 数据增强策略遮挡、拼接与多尺度训练简答题中还有一道关于数据增强的题目检测任务中如何设计数据增强策略来提升模型鲁棒性。这道题相对开放核心考察你对数据增强的理解深度和应用经验。我分了三类回答。第一类是几何增强随机翻转、随机旋转90度、180度、270度、随机裁剪、多尺度训练输入图像随机缩放到不同尺寸。第二类是颜色增强亮度、对比度、饱和度、色相的随机调整这类增强对光照变化的鲁棒性很有帮助。第三类是模拟真实场景的增强随机遮挡Random Erasing、MixUp、CutMix、Mosaic。实际项目中Mosaic增强被YOLOv4验证为非常有效的方法它把4张训练图像拼接成一张极大地增加了单张图像的目标数量和背景多样性有利于小目标检测和模型泛化。但在教育场景的试卷图像中直接使用Mosaic可能会破坏文本行的结构连续性导致检测器学到错误的上下文特征。我当时调整了策略只对不包含文本的行区域使用Mosaic对文本密集区域保持原图输入这样在保持增强多样性的同时不会破坏文本的结构信息。笔试里如果能答出这样“针对业务场景做调整”的经验会明显区别于“只会背Augmentation列表”的候选人。6. 综合题里的教育场景技术如何服务于业务6.1 试卷版面分析与文本检测不只是OCR好未来的笔试和面试题经常围绕教育场景展开这次有一道综合题如何设计一套试卷版面分析系统自动识别试卷中的题号、文本行、公式和图片区域并把题目按结构切分出来。这本质上是一个文档版面分析Document Layout Analysis问题但它比一般的OCR任务复杂得多因为试卷布局多样、公式排版复杂、手写和印刷字体混排。我当时从数据、算法、后处理三个层面给出了方案。数据层面收集覆盖各学科、各年级、各排版风格的真实试卷图像标注题号区域、文本行、公式区域、图片区域四类元素类别不平衡时用难例挖掘补充样本。算法层面版面分析主流做法有两种。第一种是目标检测OCR先用检测模型定位试卷中的不同区域再对文本区域用OCR识别内容这种方法直观但流程较长第二种是基于分割的方法用语义分割模型如U-Net分像素级地分割版面区域再通过连通域分析得到区域边界这种方法对不规则区域更友好。现在也有很多工作直接用多模态大模型做端到端的版面理解但在实时性和成本敏感的场景中传统CV方案仍然有不可替代的优势。后处理层面是这道题的加分项检测出题目区域后需要根据题号如“1.”“2.”“3.”和题目的上下位置关系做结构化排序清理误检、合并碎片区域。比如一个题干如果跨页被检测成两个框需要根据文本内容的语义连续性把它们拼接起来一道题包含文本、公式和图片多个不同类别的区域则要把它们合并为一个题目单元。笔试中强调这个层面的工作会让面试官看到你有系统思考能力而不是只会在模型层做功夫这种“模型业务规则”的思维方式恰恰是教育AI场景最需要的。6.2 拍照搜题中的文本检测难点另一个让我印象深刻的场景题拍照搜题中用户用手机拍摄题目时经常出现光线不均、纸张褶皱、手指遮挡、倾斜透视等问题如何设计文本检测模型保证在这些条件下也能准确识别。这道题的考察重点不再仅仅是模型结构而是完整的工程系统思维。我分三个层次回答。预处理层用Retinex算法或CLAHE做光照归一化用透视变换校正拍摄角度用边缘检测辅助定位纸张边界。检测层训练阶段使用包含遮挡、模糊、低光照的困难样本增强推理时使用多尺度测试策略检测多个尺度的文本区域然后融合结果。后处理层对相邻文本行做文本线合并过滤掉明显误检的孤立碎框利用版面先验信息比如试卷的左右两栏结构校正检测结果。这套回答没有使用高深的公式但体现的是对真实应用场景的理解。面试官在点评时也强调他们希望候选人不要只做一个“调包侠”而是要理解算法在真实环境中的边界和限制针对问题设计可行的解决方案。准备拍照搜题这类场景我建议同学们平时多收集一些真实场景的照片做测试比如晚上开台灯拍的试卷、手压着纸张拍的课本、从侧面斜拍的板书这些才是检验模型能力的最好试金石。6.3 不同笔试批次的差异与应对思路这是第三批笔试好未来视觉算法岗的批次之间会有题目重复但侧重点会调整。从大家反馈来看前两批的编程题侧重于基础的NMS和ResNet手动实现而第三批的编程题明显加入了旋转框的内容难度有所提升。这说明不只是简单考基础而是逐步加深对几何计算和工程实现的要求。也提醒我们备战秋招笔试时别只刷旧题要关注今年新增的考察方向。主观题方面好未来比较看重候选人对教育场景的理解所以简答题和综合题经常会结合在线教育、试卷识别、拍照搜题等业务场景出题。如果你准备投递这类教育科技公司最好提前研究一下他们的产品和核心技术方向提前思考自己日后的工作如何与这些业务结合。笔试中这种“业务理解”的主观表达往往比多说几个技术名词更能打动阅卷人。7. 笔试复盘中的经验与技巧7.1 时间管理客观题千万别恋战这次笔试我最大的体会是时间管理直接决定你能不能做完编程题。客观题中有几道多选题比较纠结我提醒自己先跳过最后再回来看。事实证明这个策略是对的编程题两道都顺利写出了答案最后还剩5分钟检查了一遍客观题的疑问项。具体的节奏建议发卷后先浏览一遍所有题目对难度和题量有个心理预期。看到熟悉的知识点尽量快速作答看到需要推导的题先标记。客观题总时长控制在30到40分钟简答题每题控制在10分钟左右编程题每题至少预留25分钟。如果一道编程题卡了超过30分钟还写不出来先跳过去写另一道最后再回来补因为一道拿部分分的题比一道完全空白的题要好得多。7.2 踩过的坑笔试中有哪些容易丢分的地方回顾这次笔试我有几处明显的失误写出来给大家避坑。第一多选题的漏选扣分机制。有几道题我对选项的把握只有七八成结果为了多拿选对的分数选了四个选项结果正确答案只有三个扣了整题的分。教训是多选不确定时宁可少选不要为了碰运气选不确定的选项——很多笔试系统的多选是“选多不得分”选少还能拿部分分。第二编程题的输入输出格式。旋转框的角度单位没有仔细确认一开始我以为是弧度代码写了一半才发现题目给的是角度。笔试环境中没办法像IDE那样实时调试只能自己反复读题。建议刷题时养成先确认输入输出格式的习惯尤其是坐标、角度、颜色值这类容易出歧义的量。第三代码风格和注释。编程题虽然不要求写注释但简短的注释能帮助阅卷人理解你的思路也能让自己梳理逻辑。我的NMS代码里每步都写了注释不仅方便自己检查还能在判断条件出错时快速定位。7.3 笔试后的复盘方法刷题之外的提升路径笔试结束之后无论结果如何都要做一次完整复盘只有这样才能真正提升实战能力。复盘不只是看哪些题做错了而是分析错因是知识盲区、是紧张失误还是题目理解偏差。我习惯把错题分成三类记录概念不清型、推导错误型、工程细节型每一类对应不同的补强方向。概念不清型需要回归论文和教科书重新理解原理推导错误型需要动手把公式推导一遍尤其是感受野、IoU、空洞卷积输出尺寸这类基础计算工程细节型则需要多写代码多调试例如NMS、旋转框转换、RPN的anchor生成、数据加载器这些代码不能只看不写至少要亲手实现过一遍才能在笔试现场快速输出。还有一个心得不要只做笔试真题建议自己给自己出题。比如学完YOLO系列后试着自己推导一下loss公式把正样本分配逻辑写出来学完Transformer后试着手写一个multi-head self-attention 的前向传播和反向传播维度分析。这种“输出式学习”对知识的掌握程度远远超过“刷题式学习”。我准备秋招时每周给自己出两道“综合题”把算法原理、工程实现和业务场景整合在一起事实证明面试笔试中很多问题都能从容应对。7.4 给准备视觉算法岗的同学的几个建议结合这次好未来的笔试经历和过去几年的求职经验我想给正在准备视觉算法岗的同学几个具体建议。第一个建议把深度学习基础打牢尤其是CNN结构、归一化、损失函数、梯度传播这些核心概念。笔试中的客观题往往不会直接考论文里的大标题而是考容易被忽略的细节比如BN在训练和推理时的行为差异、感受野的准确计算、不同激活函数的导数区间。这些知识点看起来基础但恰恰是区分“调参选手”和“理解型选手”的地方。第二个建议动手实现经典算法不要只依赖深度学习框架。NMS、RoI Pooling、Focal Loss、anchor生成、数据增强这些操作建议都用NumPy手写一遍。笔试时间紧张如果平时没有形成肌肉记忆现场很容易卡壳。之前我面试实习生时现场让候选人写一个NMS不少人用了十分钟还没写对就是因为平时都直接调torchvision.ops.nms从没考虑过内部实现。第三个建议关注业务场景和技术结合的能力。现在算法岗位的笔试面试越来越重视候选人的业务理解力尤其是教育、医疗、安防、自动驾驶这些行业应用不同场景对算法的需求千差万别。准备好一两个自己深度参与过的完整项目在笔试简答和面试环节中主动把项目经验联系到题目场景展示自己不仅会“做模型”还懂得“做产品”。第四个建议保持刷题习惯尤其是编程题。视觉算法岗的编程题虽然不像纯开发岗那样考复杂的算法题如线段树、KMP但NMS、IoU计算、图像变换矩阵、多线程数据加载这类代码是高频考点。建议在LeetCode上保持每周至少3到5题的刷题量同时用NumPy和Python内置库多写一些图像处理相关的代码保证手速和代码熟练度。第五个建议保持题库收集和错题整理的习惯。笔试不是临时抱佛脚能搞定的需要持续积累。我把每次笔试面试的题目和复盘整理成一份个人知识库分类存放考前集中复习效果非常好。有些题目会在不同公司的笔试题中重复出现有些考点会在同一公司的不同批次中反复考察掌握好这些规律能少走很多弯路。