我要招人

人工智能面试题更新 2026-08-05

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。

人工智能技术原理技术选型方案权衡Faster R-CNNYOLO

考察说明

考察对主流目标检测算法原理和性能差异的理解。

回答思路

  1. 【回答框架 1】Faster R-CNN是基于候选区域的两阶段检测器，先通过区域提议网络（RPN）生成候选框，再对每个候选框进行分类和回归，精度高但速度慢。
  2. 【回答框架 2】YOLO将检测视为回归问题，一次前向传播直接预测边界框和类别，速度极快，但小目标和重叠目标检测效果较差。
  3. 【回答框架 3】SSD在不同尺度的特征图上预测边界框，平衡了速度和精度，对小目标检测优于YOLO，但精度不如Faster R-CNN。
  4. 【回答框架 4】在选择时，精度优先选Faster-RCNN，速度优先选YOLO，兼顾两者选SSD，并需根据具体数据集和硬件条件评估。
  5. 【关键点 1】Faster R-CNN精度最高，但速度慢；YOLO速度最快，但精度相对低；SSD折中。
  6. 【关键点 2】YOLO对小目标和密集目标检测效果差，后期版本如YOLOv3、v5有所改进。
  7. 【关键点 3】SSD多尺度特征图提升小目标检测能力。
  8. 【关键点 4】实际选择需考虑实时性要求和目标尺寸分布。
  9. 【易错点 1】不能笼统地说YOLO一定比Faster-RCNN快，具体取决于实现和硬件。
  10. 【易错点 2】YOLO和SSD在极端小目标上的表现可能不及两阶段方法，需注意。