深度学习中分类与检测模型的理解
哪些公司问过
答案要点
- 分类输出整图类别;检测输出类别加位置框
- 分类模型:VGG、ResNet、MobileNet、EfficientNet、ViT
- 检测:两阶段 Faster R-CNN;单阶段 YOLO、SSD、RetinaNet;无锚框 FCOS、CenterNet;DETR
- 指标:分类用 Top-1、Top-5;检测用 IoU 和 mAP,后处理用非极大值抑制
- 结合自己真正跑过的模型,说明框架、数据集和遇到的问题
易错点
- 只列模型名,说不出自己实际用过什么
- 分不清单阶段和两阶段的差别
- 不知道 IoU 和 mAP 的含义
面试官常见追问
- 两阶段和单阶段检测器有什么区别?
- mAP 是怎么算的?
- 非极大值抑制做什么?
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。