SSD 目标检测模型的架构和原理
哪些公司问过
答案要点
- 单阶段检测,一次前向在多尺度特征图上同时预测类别和框偏移
- VGG16 主干加额外卷积层,浅层特征图检测小目标,深层检测大目标
- 每个位置设不同尺度、长宽比的默认框,3×3 卷积输出类别分数和 4 个偏移
- 训练按 IoU 匹配正样本,难例挖掘控制负正比约 3:1,损失为分类加 Smooth L1
- 推理时解码框坐标并按类别 NMS 去重
易错点
- 把 SSD 说成两阶段方法或说它有 RPN
- 说反深浅层分工,浅层高分辨率特征图负责小目标
- 只讲网络结构,漏掉默认框匹配和难例挖掘
面试官常见追问
- SSD 的缺点是什么?
- SSD 和 Faster R-CNN、YOLO 有什么区别?
- SSD 为什么要做难例挖掘?
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。