目标检测模型的发展历程
哪些公司问过
答案要点
- 传统方法:Haar、HOG+SVM、DPM 等手工特征
- 两阶段:R-CNN → Fast R-CNN(RoI 池化)→ Faster R-CNN(RPN),精度高速度慢
- 单阶段:YOLO、SSD 追求实时;RetinaNet 的 Focal Loss 解决正负样本不平衡;FPN 改善多尺度
- Anchor-free:CornerNet、CenterNet、FCOS,减少锚框超参数
- Transformer:DETR 集合预测、匈牙利匹配、免 NMS;Deformable DETR、DINO 改善收敛与小目标
易错点
- 把 SSD、YOLO 归入两阶段方法
- 说 Faster R-CNN 仍用选择性搜索生成候选框
- 把 Focal Loss 的作用说成解决多尺度问题
面试官常见追问
- 两阶段和单阶段检测器的核心区别是什么?
- DETR 为什么不需要 NMS?
- Anchor-free 有什么好处?
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。