图像算法面试之YOLO系列

最新推荐文章于 2025-04-22 17:28:59 发布
最新推荐文章于 2025-04-22 17:28:59 发布
阅读量7.4k 收藏 47
点赞数 6
CC 4.0 BY-SA版权
分类专栏： 经验贴
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/yes_doit/article/details/88723102
本文详细介绍了YOLO系列算法在图像识别中的应用，从YOLOV1的基础思想、实现方法及缺陷，到YOLOV2的改进，包括BN层、Anchor box和多尺度训练，再到YOLOV3的进一步优化，如多尺度预测和分类器设计。通过对YOLO系列的深入解析，帮助读者理解其在面试中的关键知识点。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

**

图像算法面试之YOLO系列

起因：最近面试频繁被面试官问到YOLO系列相关知识，加深自己印象，写一写
面试题：描述一下yolo2的思想，yolo3有什么不同

YOLOV1

yolo的思想：将整张图片作为输入，直接在输出层回归bounding box的位置及其所属类别

和RCNN、faster-RCNN的不同：这两者也是将整张图片作为输入，但是faster-RCNN采用RCNN的proposal+classifier思想。将提取proposal的步骤放在CNN中，而yolo则采用直接回归的思想

实现方法：
1、将image分成S*S个grid cell，如果某个object的中心落在grid cell中，则由这个grid cell负责预测该object

2、每个grid cell负责预测B个bounding box，每个bounding box除了要回归自身的位置和大小外，还需要预测一个confidence

3、这个confidence代表了所预测的box中含有object的置信度和这个box预测的有多准
在这里插入图片描述
每个bounding box 要预测(x,y,w,h)和confidence。每个grid cell要预测一个类别信息，记为C类。则SS个grid cell，每个grid要预测B个bounding box和C个类别，输出就是：SS*（5*B+C)的tensor

4、在test时，每个grid cell预测的class信息和bounding box预测的confidence相乘，得到每个bounding box的class-specific confidence score:

最低0.47元/天 解锁文章

200万优质内容无限畅学
关于YOLOv8的面试题(持续更新中...)
ice
08-18 2214
本章将计划更新关于YOLOv8中可能会成为面试题的关键技术点，计划持续更新，可能想到合适的问题我就会整理下更新到本博客中。
面试问题总结——关于YOLO系列（三）
热门推荐
boss-dog
09-16 1万+
接着上篇的的YOLO系列面试问题总结，加油，冲！ 三.YOLOv3 1.YOLOv3主干网络BackBone——Darknet-53网络结构（因为有53个卷积层） （原论文中Darknet53的尺寸是在图片分类训练集上训练的，所以输入的图像尺寸是256x256，而在YOLOv3中输入尺寸是416×416）   ①上图中，Top-1 Accuracy和Top-5 Accuracy是指什么呢？区别在哪呢？   我们知道ImageNet有大概1000个分类，而模型预测某张图片时，会给出1000个按概率从高.
【23年首发】YOLO最新面试必备算法
qq_42986622的博客
02-28 1017
物体检测作为计算机视觉领域的热门方向，在学术界和工业界可谓是遍地开花，而Yolo系列则可以称为该方向的经典算法，从YoloV1到YoloV7的更新迭代，Yolo算法给我们带来了很多的惊喜和灵感。面试人工智能岗位，Yolo模型的出镜率也是非常的高，今天我们就来捋一捋Yolo那些值得关注的改进点。
yolo系列面试题
GeekPlusA的博客
10-19 1469
yolo
面试官：连YOLO都搞不定，是自己走还是我送你
gzq0723的博客
04-13 304
计算机视觉领域中，目标检测一直是工业应用上比较热门且成熟的应用领域。而目标检测的王牌家族——YOLO系列模型，作为单阶段目标检测算法的代表之一，一经出世，便以快速精准的检测效果而迅速蹿红。...
yolo系列框架整理(面试用).md
05-30
yolo系列框架整理(面试用).md
面试问题总结——关于YOLO系列（一）
boss-dog
09-13 1万+
自从刚开始接到的第一个面试开始，到现在为止，陆陆续续也参加了许多场，我像是一个刚从新手村出来的小白，一路的打怪升级刷经验，期间遇到了很多不会的，我都会及时记录总结。 到现在仍然清晰记得，第一次去面试的时候，当时被怼的多惨。。。 说明：本人是非科班出身，本科是机械电子工程专业，硕士期间的研究方向是机器学习和深度学习，因为我的简历上有关于YOLO的项目，所以我着重准备了YOLO系列的面试可能遇到的问题。 决定开启这个面试问题总结的系列，包括YOLO、C++的内容、OpenCV的内容和深度学习方面被提问的问题
超详细的YOLO系列算法全家桶--YOLOv1-YOLOv8
qq_44815135的博客
01-25 7422
YOLOv1-YOLOv8的对比图先给大家呈上，本文介绍了从YOLOv1一直到YOLOv8的网络结构，以及各个版本之间的迭代，非常适合研究生们汇报PPT的制作和cv面试。
【面试】yolo相关面试问答
sazass的博客
09-22 5422
面试
面试问题总结——关于YOLO系列（二）
boss-dog
09-15 5641
接着上篇的的YOLO系列面试问题总结，加油，冲！ （如有写的不对的地方，欢迎指正） 二.YOLOv2 YOLOv2（论文题目：YOLO9000：Better(更准确),Faster(更快),Stronger(类别更多)） Precision（准确率）：指的是预测的框里面包含目标的比例； Recall（召回率）：指的是所有真实目标中被检测出来的比例。 1.关于anchor box和bounding box的区别   anchor box是根据预测的形状来设计的box，bounding box是根据预测的分.
yolo面试
pangxing6491的博客
06-13 1412
图像算法面试之YOLO系列：https://blog.youkuaiyun.com/yes_doit/article/details/88723102 yoloV1详解：https://blog.youkuaiyun.com/zsl091125/article/details/84953166 目标检测：NMS——非极大值抑制：https://blog.youkuaiyun.com/fu6543210/article/detai...
yolo 目标检测 实习 计算机视觉 面试提问
kay_545
11-15 2128
b. 全连接层（Fully Connected Layer）： 将全局平均池化得到的特征进行全连接操作，以学习通道间的权重关系。因此，该算法的时间复杂度是线性的，与输入数组的规模成线性关系。在YOLOv5中，"mosaic" 是一种数据增强技术，通过将四张不同的训练图片随机切割并重新拼接成一张新的图片，模型能够学到目标在多样化环境中的外观特征，从而提高其对复杂场景的适应能力。选择合适的激活函数可以增强模型的表达能力，使其更适合解决特定类型的问题。A: 在上面的合并有序数组的算法中，我们使用两个指针。
图像处理算法实战应用案例精讲-【目标检测】YOLO（补充篇）（附Java、python、MATLAB和C++实现代码）
qq_36130719的博客
12-09 822
本文基于YOLOv3对网络结构和多尺度识别进行改进, 提出了一种针对非限制自然场景中中等或较大尺寸的目标识别方法, 并自行设计标注了一个移动通信铁塔目标的数据集, 用于方法性能的评估. 实验结果表明, 本文提出的CDSP-YOLO目标识别方法对自然场景中中等或较大尺寸的目标具有良好的鲁棒性, 识别的准确率达97%, 召回率达80%.
yolo问题汇总
雅痞匪徒(Nike)的博客
05-07 656
yolo问题汇总，这篇作者写的很全面了，我目前遇到的问题基本都在里面，自己点击就是
YOLO面试知识点笔记
liuzheng1的博客
09-20 2139
参考：https://blog.youkuaiyun.com/ChuiGeDaQiQiu/article/details/81229245 yolov2有13X13X5=845个bbox YOLOV2的误差主要包含三项：1.该cell所产生的5个bbox与真实的bbox的iou的最大值小于设定值，则认为该cell不包含物体，即背景；2.真实的物体bbox的中心落在该cell上（红色）即为公式的第三部分；3.有...
YOLO系列面试冲刺
最新发布
吾系铵宁的博客
04-22 947
FPN+PAN借鉴的是PANet，主要应用于图像分割领域，如上图所示，FPN采用自顶向下，将高层的强语义特征传递下来，而PAN+FPN针对这一点，在FPN的后面添加一个自底向上的金字塔，这样的操作是对FPN的补充，将底层的强定位特征传递上去。原论文中损失函数写的很粗略，比如坐标损失采用的是误差的平方和，类别损失采用的是二值交叉熵，在github上也找了很多YOLO v3的公开代码，有的采用的是YOLOv1或者YOLOv2的损失函数。所以对于YOLOv3来说，输入的图像越大，则单张输出的特征数也越多。
【目标检测】RCNN~YOLO目标检测算法面试必备
学无止境、积少成多、厚积薄发
05-31 688
https://zhuanlan.zhihu.com/p/354060133 https://mp.weixin.qq.com/s/-AOXSFityGqBEn-OW3EYkg
《从零深入理解Yolo系列v1-v8全家桶 + 目标检测面试提问+目标检测算法总览》
ZhengrongYue的博客
01-23 1万+
从零深入理解Yolo系列理论v1-v8
yolov8训练与推理-初试
qibo1120的博客
08-10 308
下载与自己CUDA对应的版本，下载好之后，解压缩，将CUDNN压缩包里面cuda路径下的bin、include、lib文件里的东西直接复制到CUDA的安装目录下对应文件夹内即可。pip install <库> -i https://pypi.tuna.tsinghua.edu.cn/simple/pip install <库> -i https://pypi.mirrors.ustc.edu.cn/simple/下载需要登录和填写一些问卷之类的，也挺快的。False说明后面训练时只会用到CPU。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值