待验证50% 置信事实精确时间
CNN（卷积神经网络）是让图像分类、目标检测和图像分割三类任务落地的关键模型结构，其核心思想是用可学习的卷积核滑动提取局部特征，再层层堆叠组合成高层语义。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证CNN的核心创新在于权重共享与局部连接机制，通过滑动卷积核在图像不同区域共享同一组参数79% 相似待验证CNN的每一层可以被表示为具有明确几何尺寸的张量块，层与层之间的连接关系清晰可循，使其架构可视化直观77% 相似待验证在图像分类中，CNN通常最后接一个全连接层输出类别概率；在目标检测中，网络在特征图上预测边界框偏移和类别；在图像分割中，常采用编码器-解码器结构把低分辨率语义特征上采样回原图尺寸实现像素级预测。76% 相似待验证CNN通过卷积核在图像上滑动扫描抓取局部特征，再通过池化操作压缩保留最强特征76% 相似已验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1018382API
curl https://kongchang.com/api/v1/knowledge/claims/1018382MCP
get_claim(id=1018382)