计算机视觉-目标检测面试题目及其答案
31 浏览量
2024-04-01
23:01:57
上传
评论
收藏 12KB DOCX 举报
### 1. 什么是计算机视觉？
**答**：计算机视觉是一门研究如何使机器“看到”世界的科学，即使计算机或机器能够从
图像或多维数据中提取信息并处理、理解和解释视觉信息。
### 2. 目标检测与图像分类的区别是什么？
**答**：图像分类的任务是给定一张图片，确定图片属于哪个类别。目标检测不仅需要识别
图像中的对象类别，还需要定位图像中每个对象的位置（通常以边界框的形式表示）。
### 3. 什么是卷积神经网络（CNN）？
**答**：卷积神经网络是一种深度学习架构，特别适用于处理具有网格状拓扑结构的数据，
如图像。CNN 通过卷积层来自动和适应性地学习空间层次的特征。
### 4. 请解释一下非极大值抑制（NMS）。
**答**：非极大值抑制是一种用于目标检测中的后处理技术。它通过删除一些重叠的边界框，
只保留最可能包含目标的那个框，从而减少目标检测过程中的冗余。
### 5. Faster R-CNN 与 YOLO 的主要区别是什么？
**答**：Faster R-CNN 是一种两步检测框架，先生成候选区域，然后对这些区域进行分类和
边界框回归。YOLO（You Only Look Once）是一种单步检测系统，将目标检测任务视为一个
回归问题，直接在图像中预测边界框和类别概率。
### 6. 解释一下锚框（Anchor boxes）的概念。
**答**：锚框是预定义的一组固定大小和比例的框，用于作为目标检测模型的参考点。通过
对这些锚框进行调整，模型能够检测出不同大小和形状的对象。
### 7. 为什么需要数据增强(Data Augmentation)？
**答**：数据增强是一种增加训练数据多样性的技术，通过对原始图像应用一系列随机变换
（如旋转、缩放、裁剪等）来生成新的训练样本。这有助于提高模型的泛化能力，减少过拟
合。
### 8. 请解释一下注意力机制（Attention Mechanism）在计算机视觉中的作用。
**答**：注意力机制使模型能够在处理图像时聚焦于图像的某些特定部分，类似于人类视觉
的聚焦机制。这有助于模型更好地理解图像内容，尤其是在场景复杂或目标较小的情况下。
### 9. 什么是特征金字塔（Feature Pyramid Networks, FPN）？
资源评论
