面试题库 › 算法 / 大模型 › DETR 原理与 Transformer 在自动驾驶感知中的应用

DETR 原理与 Transformer 在自动驾驶感知中的应用

难度 ★★☆在 3 场真实面经中被问到 方向:算法 / 大模型考点:卷积神经网络

哪些公司问过

元戎启行2多益网络1

常见岗位:计算机视觉、推理部署与加速、自动驾驶

答案要点

  1. CNN 骨干加 Transformer 编码器解码器,固定数量可学习 object query
  2. 匈牙利算法做二分图匹配,一对一计算分类与 L1、GIoU 框损失
  3. 无需 anchor 和 NMS,端到端集合预测
  4. 缺点是收敛慢、小目标弱,Deformable DETR 用可变形注意力改进
  5. BEVFormer 用 BEV 查询空间交叉注意力融合多相机,并融合时序信息

易错点

面试官常见追问

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。

相关面试题