真面经，好答案。面试之前，先来面栈。

目标检测与文本检测

题集来源：Datawhale（datawhalechina）收录项目：daily-interview查看原题集

题目目录

64 道原题

  1. 手撕IOU<华为-一面（2020）、作业帮-一面（2019）、腾讯-一面(2018)>

    原题
    关联题目实现两个矩形边框的 IoU 计算。算法与编程题 / 数组、字符串与哈希代码题进阶0篇相关面经

  2. anchor设置的意义

    原题
    关联题目目标检测中的 Anchor 有什么作用，尺寸和长宽比如何设置？模型基础与推理 / 多模态与生成模型原理机制进阶0篇相关面经

  3. 如何理解concat和add这两种常见的feature map特征融合方式

    原题
    关联题目特征融合中的 Add 与 Concatenate 有什么区别？模型基础与推理 / 多模态与生成模型比较选型进阶0篇相关面经

  4. 介绍一下目标检测的主要评测指标

    原题
    关联题目目标检测如何评估定位、分类与速度，AP 和 mAP 怎样计算？模型基础与推理 / 多模态与生成模型效果评估进阶0篇相关面经

  5. FLOPs计算

    原题
    关联题目神经网络 FLOPs 如何定义和计算？模型基础与推理 / 模型架构与表示原理机制进阶0篇相关面经

  6. 参数量paras计算 （*参数与FLOPs中一致*）

    原题
    关联题目神经网络参数量是什么，如何按网络层计算？模型基础与推理 / 模型架构与表示原理机制进阶0篇相关面经

  7. 简单介绍一下kmeans算法<小米-一面（2020）、腾讯-一面(2018)>

    原题
    关联题目K-Means 等聚类方法如何工作，能否保证全局最优？模型基础与推理 / 机器学习与推荐系统原理机制进阶1篇相关面经

  8. 说一下非极大值抑制（NMS）（non maximum suppression） NMS实现细节，手撕NMS<小米-二面（2020）、<百度实习-一面（2019）、商汤-一面（2019）、腾讯-一面(2018)>

    原题
    关联题目实现非极大值抑制 NMS，并解释筛选流程。算法与编程题 / 数组、字符串与哈希代码题进阶0篇相关面经

  9. 假设两个目标靠的很近，则会识别成一个bbox，会有什么问题，怎么解决？

    原题

    本题位于 NMS 段，讨论重叠候选框被误抑制的情况。

    关联题目NMS 在相邻或密集目标中会有什么问题，如何缓解？模型基础与推理 / 多模态与生成模型故障排查进阶0篇相关面经

  10. 讲一下目标检测优化的方向<百度实习-一面（2019）>

    原题
    关联题目目标检测模型可以从哪些环节优化，如何验证改进？模型基础与推理 / 多模态与生成模型方案设计进阶0篇相关面经