目标检测是什么,主流方法有哪些
哪些公司问过
百度腾讯亚马逊1
答案要点
- 目标检测输出边界框、类别和置信度,同时完成定位与分类
- 两阶段(Faster R-CNN)先提候选再精修,精度高、速度相对慢
- 一阶段(YOLO、SSD、RetinaNet)直接密集预测,速度快,适合实时
- Anchor-Free(FCOS、CenterNet)去掉锚框;DETR 用集合预测省去 NMS
- 评估用 IoU、mAP,部署关注 FPS、延迟和模型大小
易错点
- 把目标检测和图像分类、语义分割混为一谈
- 以为一阶段一定比两阶段精度差,现代一阶段模型精度已很接近
- 只说算法名,讲不出两阶段与一阶段的结构差异
面试官常见追问
- NMS 是做什么的,有什么问题?
- mAP 是怎么算的?
- 小目标检测怎么改进?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。