YOLOv3 的网络结构、损失函数与主要改进
哪些公司问过
答案要点
- 骨干为 Darknet-53,引入残差连接,用步长 2 卷积下采样
- 借鉴 FPN 在三个尺度上预测,每尺度 3 个 k-means 先验框,共 9 个
- 类别用独立 sigmoid 加二元交叉熵,支持多标签,不用 softmax
- 损失包括框回归(论文为平方误差)、置信度 BCE 和分类 BCE
- 网络内部激活用 Leaky ReLU,输出端用 sigmoid
易错点
- 说 YOLOv3 用 softmax 做分类
- 把大特征图对应到大目标,方向说反
- 把后续版本的改进,比如 CIoU 损失、Mosaic 增强,说成 v3 的内容
面试官常见追问
- 正负样本是怎么分配的?
- 宽高为什么预测对数空间的偏移?
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。