待验证50% 置信事实精确时间

One-stage检测器（如YOLO、SSD）将候选框生成与分类合并为一步，在单次前向传播中完成所有预测

1

来源数

50%

置信度

长期有效

时效性

2026/7/8

首次发现

来源

YOLO入门学习路径：版本演进理解到源码精读实战指南

bilibili迪哥带你学AI2026/7/7

相关事实

待验证目标检测传统上由 YOLO、Faster R-CNN、DETR 等专用架构主导，通过专用检测头回归边界框坐标与类别概率73% 相似待验证自动标注管线常见架构是将目标检测模型（如 YOLO 系列、DINO、Grounding DINO）与 SAM 级联，先产出边界框再作为提示输入 SAM 获取精细掩膜72% 相似待验证该多智能体系统的四大典型应用场景包括Alpha信号挖掘、风险因子分析、另类数据整合和策略原型快速验证67% 相似已验证YOLO系列目标检测模型已从V1演进到V1167% 相似待验证相比两阶段检测器如Faster R-CNN，YOLO在推理速度上具有数量级的优势65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/276033

API

curl https://kongchang.com/api/v1/knowledge/claims/276033

MCP

get_claim(id=276033)