我想知道为什么 tf object detection api 需要这么少的图片样本来训练，而常规的 cnns 需要更多？

我在教程中读到的是，tf object detection api 每堂课需要大约 100-500 张图片进行训练（是真的吗？），而常规 CNN 需要更多的样本，比如数万或更多。为什么会这样？