YOLO目标检测高频面试题及详细答案（实战向）.docxVIP

YOLO目标检测高频面试题及详细答案（实战向）

一、基础核心原理（必问）

1、简单说说YOLO的核心思想，和两阶段检测（FasterR-CNN）有什么区别？

参考答案：

YOLO是典型的单阶段端到端目标检测算法，核心就是把检测问题转化为一个回归问题。整张图输入模型，直接一次性输出目标的坐标、置信度和类别，不需要候选框生成阶段。

核心逻辑：将图片划分为S×S网格，哪个网格包含目标中心，就由这个网格负责预测该目标。

和两阶段FasterR-CNN的核心区别：

流程不同：FasterR-CNN先通过RPN生成候选框（第一阶段），再对候选框分类+微调坐标（第二阶段）；YOLO一步直接预测，无候选框机制。

速度不同：YOLO推理速度快，主打实时检测，适合落地场景；两阶段精度更高、速度慢，适合对准确率要求高、实时性弱的场景。

正负样本匹配不同：两阶段先筛选大量候选框做正负样本平衡；单阶段YOLO正负样本极度不均衡，需要特殊策略优化。

小目标表现：传统YOLO小目标漏检多，两阶段算法对小目标、密集目标检测效果更优。

2、YOLO为什么速度快？核心优势和短板是什么？

参考答案：

速度快的原因：

全程单阶段推理，无候选框生成、无ROI池化等冗余操作，计算量大幅减少；

全局特征学习，整张图只做一次特征提取，复用特征做所有预测；

网络结构轻量化设计，主干、颈部结构精简，参数量和计算量更低。

优势