vivo面試從測評筆試到面試都效率好高，一週解決一切那種。
一面
面試官很溫柔，自我介紹後只問了項目。
自己挑一個項目講一下，微笑且有迴應地聽完之後，面試官就開始深挖項目。
1、你的檢測分支的精度改善具體是怎麼做的，可以再完善地講一下嗎？
2、你可以具體講一講anchorfree的方式是怎麼做的嗎？爲什麼用這種方式迴歸會變準確？
3、你用的anchorfree的方式做檢測就很像yolov1 （幸虧沒讓講區別，忘記yolov1的細節了X_X），然而yolov2開始就用上了anchor-based，而且證明了anchor-based比較好，請問你爲什麼要採取這種方式？
答：我們沒有完全放棄anchor-based的方式，在RPN網絡那一塊我們還是基於anchor用於去除大量背景區域的搜索。只是在後面檢測分支用了anchorfree的方式打破了anchor的壁壘。
4、針對分割，請問你的邊緣分支具體是怎麼做的？
5、爲什麼通道注意力可以減少背景噪聲？
答：引了一下siamRPN++這篇論文裏面提的，特徵層的不同通道代表了不同類的特徵方向信息，比如可能第35個通道就主要包含了小車這一類的特徵，我們通道注意力模塊產生一個一維向量代表每個通道的權重，背景通道權重很小，目標通道權重很大，這樣就達到了抑制背景噪聲，保留目標特徵的目的。
6、邊緣的gt怎麼得到的？爲什麼不直接讓網絡輸出邊緣？
7、分割最後出來的預測圖那麼小，resize回原圖會不會精度損失很多？
答：會的，我們也嘗試了輸出大一倍的預測圖，結果精度確實上去了一點，但是時間消耗非常大，所以衡量了時間效率和精度，我們認爲設置爲28*28是較爲合理的。
8、目標城市是哪裏？
9、職業規劃是什麼？
反問環節：
這個崗位是不是最近才成立的，感覺網上搜不太到？面試官回答：是的，AI畢竟最近幾年才火起來的balabala。
這個崗位在vivo承擔的職責是什麼？面試官回答：照片優化，視頻圖像解譯之類的。
vivo有沒有在做人臉識別解鎖手機這一塊？面試官回答：有的，是自己團隊研發的，目前已經上線了。
二面hr複試
hr小姐姐，一上來先檢查身份證確認本人。
自我介紹，然後講項目。
提項目難點，怎麼解決。
你爲什麼在研究生階段涉及了這麼多種不同的領域？
最終決定是深挖哪個領域？爲什麼選擇這個領域？
然後就開始閒聊，聊爲啥來到北方呆了這麼久，聊南北方差別這種。
然後就問期望薪資。
反問：
問了應屆生晉升體系，面試官回答，會有培訓，回到導師帶，但是還是修爲靠個人。
問了我這個崗位有沒有深圳崗，面試官說她不是太清楚可以先給我備註上。