面试准备——目标检测、分类

目录

目标检测

一、目标检测任务

I. 目标检测领域的瓶颈

II. 针对小目标检测

III. 针对检测速度

IV. 本领域知识面

二、目标检测模型

I. 整体概括YOLO、SSD、R-CNN系列模型的各自特点、异同之处。

II. 分别介绍三个系列算法inference过程。

 

III.  关于Loss函数

IV. YOLO V2和V3相比于SSD的优势

二、实战中遇到的问题

I. 任务中的创新点

II. 认为最难的部分

III. 任务经验

做过的分类项目

一、项目介绍

二、常用CNN网络介绍

三、关于过拟合

四、关于optimizer

其他机器学习方法

SVM

---

目标检测

一、目标检测任务

I. 目标检测领域的瓶颈

和其他任务类似，目标检测任务有两方面需求：效率和效果（速度和性能）。

目前两个瓶颈：小目标检测的性能、检测速度

II. 针对小目标检测

1. 扩充样本
2. 多尺度特征表示
3. scale的设置

改进的论文：

1. R-SSD 

III. 针对检测速度

 

IV. 本领域知识面

SSD/YOLO/faster RCNN已经是比较旧的模型

新模型：

这个领域的技术发展方向：

这个领域的应用方向：

 

二、目标检测模型

I. 整体概括YOLO、SSD、R-CNN系列模型的各自特点、异同之处。

 

对比：

1. 是否选anchor的对比

选anchor有什么优缺点？

 

II. 分别介绍三个系列算法inference过程。

 

III.  关于Loss函数

 

IV. YOLO V2和V3相比于SSD的优势

 

二、实战中遇到的问题

I. 任务中的创新点

数据

模型

训练

II. 认为最难的部分

 

III. 任务经验
 

 

做过的分类项目

一、项目介绍

目标：

方法：

数据：

具体阶段：

 

二、常用CNN网络介绍

 

三、关于过拟合

 

四、关于optimizer

 

 

其他机器学习方法

SVM