待验证50% 置信事实精确时间

相比YOLOv8，YOLOv11在模型架构上引入了C3k2模块和SPPF改进，在保持检测精度的同时降低了参数量和计算量

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

Jetson Xavier NX帧率骤降排查：YOLO推理vs后处理瓶颈定位与优化

相关事实

待验证YOLOv3引入多尺度预测和残差网络；YOLOv4集成了CSPNet和PANet。73% 相似待验证YOLO11采用C3k2模块替代传统C2f，并使用改进的PANet路径聚合网络进行特征融合71% 相似待验证YOLOv8 模型家族从 YOLOv8n（约 3.2M 参数）到 YOLOv8x（约 68M 参数）覆盖从树莓派到高性能 GPU 的硬件谱系71% 相似待验证YOLOv3采用多尺度特征金字塔（FPN）70% 相似待验证YOLOv8 模型分为 nano 到 x 多个规格，YOLOv8s 在边缘设备上可实现实时推理67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/735198

API

curl https://kongchang.com/api/v1/knowledge/claims/735198

MCP

get_claim(id=735198)