🌈 专注分享自动驾驶算法相关技术干货内容，新闻资讯，大厂实习和秋招准备思路以及算法岗求职面经

💫 自动驾驶感知算法实习、秋招面经合集可看智驾感知算法求职面经（答案版）专栏：

《旷视迈驰自动驾驶感知算法实习面经》

《美团自动车配送部感知算法实习面经》

《小米自动驾驶感知算法实习面经》

《轻舟智航自动驾驶感知算法实习面经》

《博世自动驾驶感知算法实习面经》

《地平线自动驾驶感知算法提前批面经》

《百度自动驾驶感知算法提前批面经》

《蔚来自动驾驶感知算法实习面经》

《华为车Bu自动驾驶感知算法秋招面经》

《理想自动驾驶感知算法秋招面经》

《零一汽车自动驾驶感知算法实习面经》

《商汤自动驾驶感知算法实习面经》

《滴滴自动驾驶感知算法秋招面经》

《酷睿程自动驾驶感知算法实习面经》

《速腾聚创自动驾驶感知算法秋招面经》

该专栏主要汇总了本人在秋招和实习期间拿到的华为车Bu、小米、轻舟智航、理想、地平线、百度、美团、蔚来、旷视等多家公司Offer的感知算法面经，并将面试中的重点问题给出了参考答案，供各位同学参考。

第一轮技术面试

• Q1：自我介绍
• 根据简历当中涉及到的旋转目标检测项目进行了提问
• Q2：如何从水平框检测器修改成旋转框检测器，具体需要改哪些位置？
• A2：分别从数据集的格式、网络模型的架构、损失函数设计三个方面进行介绍
• （一）数据集格式：原有的水平框目标检测器训练数据格式主要采用coco格式，即标注了真值框的横纵坐标位置以及宽高，对于旋转框真值标注而言，需要额外添加一个角度信息。
• （二）网络模型的架构：和水平框目标检测器的网络模型架构相比，水平框目标检测器在2D目标检测头模块中，需要额外预测一个角度信息。
• （三）损失函数设计：原有的水平框检测器回归损失是需要预测坐标偏移损失和矩形框的长宽损失，旋转框目标检测器在此基础上需要额外计算一个角度预测损失。