待验证50% 置信观点精确时间

在数据受限、类别简单的实际工程中，可考虑成熟的CNN检测器（如YOLO系列）作为对比基线，DETR并非在任何场景下都是最优解

1

来源数

50%

置信度

长期有效

时效性

2026/8/13

首次发现

来源

小数据集训练DETR：无人机枯树检测实战解析

相关事实

待验证线性探测器可能无法捕捉非线性编码的信息，因此内部探测的'未检测到'可能是探测方法本身的局限而非表征真的缺失63% 相似待验证RetinaNet提出的Focal Loss有效解决了单阶段检测器中正负样本不平衡问题，这一思想也被后续YOLO版本吸收。60% 相似待验证教程式项目（如 MNIST、Titanic、Iris 分类）在简历上几乎没有加分作用，因为数据已高度清洗、问题定义明确、最优解法已公开59% 相似待验证先前的难负样本挖掘工作大多忽略非干扰项，只关注与查询的相似度，因而更易误选假负样本58% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/740661

API

curl https://kongchang.com/api/v1/knowledge/claims/740661

MCP

get_claim(id=740661)