人工智能面试题 · 方案权衡 · YOLO
人工智能相关岗位面试题。
共 11389 道真题 · 当前筛选命中 14 道 · 更新 2026-08-05
筛选题目已选：方案权衡 · YOLO
考察点
技术栈
第 1 题在 YOLO 检测室内人物时，如果人手上的物品被裁到检测框之外，如何解决？ 考察对边界框回归缺陷的认知及针对性优化策略第 2 题请介绍YOLO系列网络的特点和适用场景。 考察对单阶段目标检测算法演进和实时场景适配能力的理解第 3 题YOLO和Fast R-CNN在目标检测原理上有哪些主要区别？ 考察对经典目标检测算法架构与思路差异的理解第 4 题请比较RCNN系列与YOLO系列目标检测算法的区别，并分别说明其优缺点。 考察对两阶段与单阶段目标检测算法演进路线及权衡的理解第 5 题请介绍目标检测算法的基本原理，并比较常见的两阶段与单阶段方法。 考察目标检测算法的基础知识、方法分类与权衡理解第 6 题在目标检测任务中，有哪些常用的目标检测模型可以用来检测纹理？ 考察对目标检测模型及其在纹理检测场景下适用性的理解第 7 题请解释YOLO目标检测的基本原理，并说明其与两阶段检测器的区别。 考察目标检测算法与YOLO核心机制第 8 题2D目标检测算法有哪些经典的？讲讲工作原理和优缺点对比。 考察对经典2D目标检测算法脉络、原理与权衡的理解第 9 题为什么在一些场景中没有使用YOLOv8，而是选择其他版本或模型？ 考察模型选型与业务场景匹配的权衡能力第 10 题YOLO与DETR的优缺点和适用场景分别是什么？ 考察对目标检测两大技术路线的理解、比较能力和场景适配判断第 11 题YOLO是怎么训练的，目标框是怎么回归的，损失函数是什么？ 考察YOLO训练流程、目标框回归原理与损失函数设计第 12 题请介绍YOLO系列目标检测模型的演进，以及不同版本之间的核心差异。 考察对YOLO系列目标检测模型演进脉络和版本差异的理解第 13 题用 YOLO 检测多人场景时，如果一个人框内包含了另一个人的身体部分，如何解决？ 考察对重叠目标检测难点的理解，以及候选框融合与后处理策略第 14 题请比较YOLO、SSD和Faster R-CNN这三种目标检测算法的优劣，分别说明它们在速度、精度和适用场景上的表现。 考察对主流目标检测算法原理和性能差异的理解。