27届校招提前批-智能驾驶深度学习算法工程师

优缺点分析

角色解读

• 从算法工程师成长为高级算法工程师或技术专家，深入视觉感知领域
• 向架构师方向发展，负责整体感知系统设计
• 横向扩展至行为预测、规划控制等自动驾驶其他模块
• 研发道路场景视觉感知算法，包括车道线识别、车辆检测、行人检测等核心任务
• 设计并构建实验数据，支撑算法训练与验证
• 对算法进行优化和定制化，提升模型性能与部署效率
• 开发2D/3D深度学习检测模型，解决实际自动驾驶问题
• 扎实掌握目标检测、分割、跟踪、分类等计算机视觉算法
• 熟悉深度学习框架，能快速重现前沿论文
• 有C/C++工程经验，能进行车端部署优化
• 具备较强的学习能力和钻研精神，能结合传统方法解决问题

申请策略

• 提前研究虹软在智能驾驶领域的产品和技术路线，面试中展现兴趣
• 准备好一个完整的项目案例，从问题定义到解决方案的推理过程
• 突出计算机视觉相关项目经验，尤其是目标检测、分割等方向
• 强调C/C++编程能力，如有车端部署或嵌入式开发经验更佳
• 列出复现过的论文或开源的算法实现，展示研究能力
• 如有竞赛获奖（如Kaggle、ImageNet）或顶会论文，务必突出
• 强化C/C++编程，特别是内存管理和性能优化
• 多阅读并复现近两年顶会（CVPR、ICCV等）相关论文

面试指南

• 对于算法类问题，先讲清楚算法原理，再结合项目经验说明优化过程和实验结果
• 对于工程部署问题，从模型压缩、量化、硬件适配等角度回答，突出实际经验
• 对于开放性设计问题，分步骤阐述：问题定义、数据设计、模型选型、评估指标
• 请详细描述你实现过的目标检测算法，如何优化模型精度和速度？
• 在车端部署深度学习模型面临哪些挑战？如何解决？
• 如何设计实验数据以提升模型泛化能力？
• 你对行为预测算法有哪些了解？请举例说明
• 请用C++实现一个简单的图像处理功能（如边缘检测）