待验证50% 置信事实精确时间

该研究选取固定的YOLOv8s行人检测器，在PIE和JAAD两个行人数据集上进行跨域审计

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

域偏移下的行人检测：可信度控制的XAI可解释性审计

涉及实体

YOLOv8smodel PIEconcept JAADconcept

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67% 相似已验证YOLO系列目标检测模型已从V1演进到V1166% 相似待验证针对低对比度LOGO检测，可采用两阶段级联架构：先用快速检测器（如Grounding DINO或YOLO）定位候选区域，再用VLM处理，以平衡精度与效率66% 相似待验证对于第一个姿态检测项目，推荐从YOLO目标检测入手，因为生态成熟、文档齐全、上手快65% 相似待验证YOLOv8是Ultralytics推出的目标检测模型，以速度与精度的均衡表现广受认可65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/975869

API

curl https://kongchang.com/api/v1/knowledge/claims/975869

MCP

get_claim(id=975869)