YOLO、SSD 与 R-CNN 系列检测算法的区别
哪些公司问过
答案要点
- 两阶段(R-CNN 系列):先生成候选区域再分类与框回归,精度高、速度慢
- Fast R-CNN 整图共享特征 + RoI Pooling;Faster R-CNN 用 RPN 网络生成候选框
- YOLO:划分网格后直接回归框和类别,单阶段,速度快
- SSD:多尺度特征图 + 不同尺度与长宽比的默认框,兼顾速度与精度
- 单阶段面临正负样本极不平衡,可用 Focal Loss、难例挖掘等方法缓解
易错点
- 把 Fast R-CNN 和 Faster R-CNN 混为一谈,二者区别在候选框生成方式
- 认为单阶段精度必然低,后续单阶段方法已大幅缩小差距
- 说 YOLOv1 用了 anchor,anchor 机制是从 v2 才引入的
面试官常见追问
- 请详细说明 YOLO v1–v3 的细节
- SSD 的各种变体有哪些?
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。