待验证50% 置信事实精确时间
早期目标检测模型如YOLO、Faster R-CNN只能识别预定义类别，而GLIP将目标检测重新formulate为短语定位任务，Grounding DINO结合DINO检测器与文本编码器实现开放集定位
1
来源数
50%
置信度
长期有效
时效性
2026/8/29
首次发现
来源
涉及实体
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80% 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% 相似待验证主流表格检测方法包括基于规则的启发式算法（如PDFMiner）、深度学习目标检测（如TableFormer）和端到端生成模型65% 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64% 相似待验证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64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/816954API
curl https://kongchang.com/api/v1/knowledge/claims/816954MCP
get_claim(id=816954)