中联重科+盈峰环境面试
--------------------
盈峰环境：现场面试，时间都要下班了，面试官都想下班了，十分钟完事，纯纯kpi，打听了一下，只收一个人，非科班表示走远了，没有任何ai相关问题，可能也是不对口，没有反问；
面的问题：编程语言、为什么工作后读研、为什么做算法不去读科班、为什么实习单位不签约（这个问题问过好多次了，目前想到的标准答案，这个单位只招实习生，不招正式员工）、描述一下yolo算法的原理
--------------------
中联重科：线上面试，两个技术面我一个，一个声音年轻的大概是做深度学习的，一个年长的应该是机器学习转过来的，时间大概40分钟
c++八股：
1、什么时候会发生内存泄漏：动态分配的内存没有释放（new在堆上没有delete）、某个资源到生命周期没有被正常关闭或者释放、容器使用不当、第三方库使用不当、循环引用智能指针；
2、new和malloc的区别：new是操作符，malloc是函数；new类型安全、malloc返回的是void*类型不安全；new调用构造和析构、malloc只分配内存；new错误会抛出异常，malloc返回nullptr；new允许重载，malloc不支持；new在自由存储区上分配内存，malloc在堆上分配内存；
简述yolo和detr的差异：
1、yolo将图像划分格子，并通过cnn网络进行分类和回归的预测，并通过nms优化结果，yolo速度快
2、detr基于transformer，特征提取用cnn，搭配编码器和解码器，利用自注意力机制捕捉上下文，直接预测类别和位置，收敛慢，灵活可扩展
swim transformer：基于滑动窗口的transformer架构
用过哪些激活函数：sigmoid、tanh、relu、Lrelu、swish、hard-swish、softmax
用过哪些损失函数：均方误差MSE、l1损失、交叉熵、kl散度、焦点损失focal loss、iou相关的
deepsort算法中的卡尔曼滤波：前帧预测后帧、卡尔曼增益更新矩阵、检测与预测的结果进行匈牙利匹配，得到准确平稳的预测
如何实现yolo的小目标检测的增强：浅层特征利用
dcn可变形卷积的偏移值是浮点型，如何转为整型：双线性插值后加权求和
cv算法中做边缘检测的算法：sobel算子、canny算子、prewitt算子、laplacian算子、scharr算子
反问工作方向：检测：环境感知、异常控制；跟踪；分割；点云分析；
类似资料：