1.檢測過程不同

Single-shot方法在單次前向傳播中完成目標的定位和分類，例如YOLO（You Only Look Once）和SSD（Single Shot MultiBox Detector）。而Multi-shot方法通常分為兩步，名列前茅步生成候選區域（例如Region Proposal Networks in Faster R-CNN），第二步對候選區域進行分類和邊界框回歸。

2.精度和速度的平衡不同

Single-shot方法因為一次性完成所有任務，因此檢測速度較快，但精度可能較低。Multi-shot方法雖然計算量大，速度慢，但是由于細致的步驟設計，通常可以獲得更高的精度。

3.適用場景不同

Single-shot方法因為檢測速度快，更適合于實時的目標檢測任務，例如自動駕駛、視頻監控等場景。而Multi-shot方法由于精度高，更適合于精度要求高的場景，例如醫療圖像分析、高精度物體識別等。

4.典型模型不同

Single-shot的典型模型包括YOLO系列，SSD等。而Multi-shot的典型模型包括R-CNN系列（包括Fast R-CNN，Faster R-CNN）等。

5.訓練復雜度不同

Single-shot方法通常訓練復雜度較低，因為整個模型可以一次訓練。而Multi-shot方法則通常訓練復雜度較高，因為需要分階段訓練不同的部分。

延伸閱讀

目標跟蹤與目標檢測的關聯和區別

目標檢測與目標跟蹤是計算機視覺領域的兩個重要任務。目標檢測的目的是在圖像中找出特定類別的物體以及其位置，它只關注單個圖像。而目標跟蹤則需要在視頻序列中對特定物體進行連續的定位，它需要考慮物體在時間上的連續性。

兩者的區別在于，目標檢測通常只在單幀上進行，不考慮幀與幀之間的關系，而目標跟蹤則需要利用幀間的連續性信息。但是兩者也有密切的關聯，例如在目標跟蹤的過程中，目標檢測常常被用來在新的幀中定位目標，而目標跟蹤又可以提供連續幀之間的關聯信息，幫助目標檢測。因此，目標檢測與目標跟蹤在很多應用中，如視頻監控、自動駕駛等，需要同時進行。