计算机视觉面试宝典—目标检测篇（二）

一、两阶段检测器与单阶段检测器的核心差异

两阶段检测器（如Faster R-CNN）通过区域建议网络（RPN）生成候选框，再通过分类网络优化定位精度，其优势在于高精度定位，但推理速度受限于候选框生成与二次修正的串行流程。单阶段检测器（如YOLO、SSD）直接回归边界框坐标，通过密集采样实现端到端预测，典型如YOLOv5采用CSPDarknet骨干网络与PANet特征融合结构，在速度与精度间取得平衡。

面试高频问题：

• Q：为何两阶段检测器在小目标检测中表现更优？
  A：两阶段检测器通过RPN生成多尺度候选框，结合ROI Align实现特征对齐，有效缓解小目标特征丢失问题。例如，Faster R-CNN在COCO数据集上对32×32像素目标的AP比YOLOv5高8.7%。
• Q：单阶段检测器如何解决正负样本不平衡？
  A：采用Focal Loss动态调整难易样本权重，如RetinaNet中γ=2时，难样本损失占比提升至73%，显著提升召回率。

二、Anchor机制优化策略与无Anchor设计

传统Anchor-based方法（如SSD）需预设多尺度、多长宽比的锚框，导致计算冗余与超参敏感。优化方向包括：

1. 自适应Anchor：如ATSS（Adaptive Training Sample Selection）通过统计IoU分布动态调整锚框匹配阈值，在COCO数据集上AP提升2.1%。
2. 无Anchor设计：FCOS采用中心点距离预测，通过Center-ness分支抑制低质量预测框，推理速度比RetinaNet快15%。
3. 关键点检测替代：CenterNet将目标检测转化为关键点回归，结合尺寸预测分支，在MS COCO上AP达47.0%，参数量仅为Faster R-CNN的1/3。

代码示例（FCOS损失函数）：

class FCOSLoss(nn.Module):
    def __init__(self, alpha=0.25, gamma=2.0):
        self.focal_loss = FocalLoss(alpha, gamma)
        self.iou_loss = GIoULoss()
    def forward(self, cls_scores, reg_preds, centerness, targets):
        # cls_scores: [N, C, H, W], reg_preds: [N, 4, H, W], centerness: [N, 1, H, W]
        # targets: List[Dict{boxes: [M,4], labels: [M]}]
        pos_mask = build_pos_mask(cls_scores, targets)  # 动态生成正样本掩码
        cls_loss = self.focal_loss(cls_scores[pos_mask], targets['labels'])
        reg_loss = self.iou_loss(reg_preds[pos_mask], targets['boxes'])
        centerness_loss = F.mse_loss(centerness[pos_mask], targets['centerness'])
        return cls_loss + reg_loss + centerness_loss

三、模型轻量化与部署优化

移动端部署需平衡精度与速度，核心策略包括：

1. 网络架构设计：MobileNetV3结合深度可分离卷积与SE模块，在ImageNet上Top-1准确率达75.2%，FLOPs降低82%。
2. 知识蒸馏：采用Teacher-Student框架，如使用ResNet-101指导MobileNetV2训练，在COCO上AP提升3.4%。
3. 量化与剪枝：8位量化使模型体积缩小4倍，推理速度提升2-3倍；通道剪枝（如NetAdapt）在VGG-16上减少80%参数，精度损失仅1.2%。

工程实践建议：

• 使用TensorRT加速推理，FP16模式下YOLOv5s吞吐量从120FPS提升至320FPS。
• 针对ARM架构优化，如使用NEON指令集加速卷积运算，在骁龙865上推理延迟降低40%。

四、评估指标深度解析与误检分析

除mAP外，需关注：

1. AR（Average Recall）：衡量不同IoU阈值下的召回率，AR@100在COCO上反映模型对密集目标的检测能力。
2. 速度-精度权衡：绘制FPS-AP曲线，如EfficientDet-D7在AP=52.2%时FPS仅10，而YOLOv5m在AP=44.1%时FPS达65。
3. 误检分析工具：使用COCO Analyzer可视化错误类型（分类错误、定位错误、背景误检），针对性优化模型。

面试应对技巧：

• 当被问及“如何提升小目标AP？”时，可回答：“采用多尺度特征融合（如FPN+PANet）、数据增强（Copy-Paste）及更高分辨率输入（如1280×1280）。”
• 针对“模型在嵌入式设备上延迟过高”的问题，建议：“先进行通道剪枝（如通过L1范数筛选不重要通道），再应用8位量化，最后使用TensorRT优化算子融合。”

五、前沿方向与面试准备建议

1. Transformer架构：Swin Transformer通过窗口多头自注意力减少计算量，在COCO上AP达57.1%，超越CNN基线模型。
2. 3D目标检测：PointPillars将点云体素化为伪图像，结合2D CNN实现实时检测，在KITTI数据集上AP_BEV达88.3%。
3. 开放词汇检测：GLIP将目标检测转化为短语接地任务，通过预训练语言模型实现零样本检测，在LVIS数据集上AP达32.4%。

备考资源推荐：

• 论文精读：Faster R-CNN、YOLOv7、DETR
• 开源框架：MMDetection、YOLOv5官方实现
• 实战项目：参与Kaggle竞赛（如Pet Finder）或复现SOTA模型

目标检测面试需兼顾理论深度与实践经验，通过系统梳理算法原理、工程优化技巧及前沿方向，结合代码实现与案例分析，可显著提升面试通过率。建议每日精读1篇顶会论文，实践1个优化策略，3周内构建完整知识体系。