待验证50% 置信事实精确时间
YOLO采用单阶段检测策略，推理速度极快；Faster R-CNN是两阶段检测代表，先通过RPN生成候选框再精细分类，精度通常更高但速度较慢
1
来源数
50%
置信度
长期有效
时效性
2026/9/8
首次发现
来源
涉及实体
相关事实
已验证YOLO的核心思想是将检测任务转化为单次前向传播的回归问题，在速度与精度之间取得平衡；YOLOv8支持自定义数据集的迁移学习微调，只需数百张标注图像即可训练专用检测器76% 相似已验证YOLO将目标检测视为单一回归问题，在一次前向传播中同时预测边界框和类别概率70% 相似待验证早期目标检测模型如YOLO、Faster R-CNN只能识别预定义类别，而GLIP、Grounding DINO等模型推动了理解任意自然语言指令的视觉grounding进步68% 相似待验证YOLO将整张图像划分为网格，每个网格同时预测边界框和类别概率，实现端到端一次性推理，速度远超两阶段方法68% 相似待验证YOLO系列模型涵盖架构、精度和速度等多个维度的演进对比68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/874503API
curl https://kongchang.com/api/v1/knowledge/claims/874503MCP
get_claim(id=874503)