目标检测的发展阶段与常用算法
哪些公司问过
答案要点
- 定义:定位加分类,需处理多目标与多尺度;常用指标为基于 IoU 的 mAP
- 传统方法:滑动窗口加手工特征,如 HOG 加 SVM、DPM
- 两阶段:R-CNN、Fast R-CNN、Faster R-CNN(RPN),精度高速度慢
- 单阶段与无锚框:YOLO、SSD、RetinaNet(Focal Loss)、FCOS、CenterNet
- Transformer 与开放词汇:DETR 集合预测免 NMS,Deformable DETR、RT-DETR,Grounding DINO
易错点
- 混淆两阶段与单阶段的区别,两阶段的关键是先生成候选区域
- 说 YOLO 系列都基于锚框,部分新版本已采用无锚框设计
- 把 mAP 和准确率混为一谈
面试官常见追问
- NMS 是什么,为什么 DETR 不需要?
- Focal Loss 解决什么问题?
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。