待验证50% 置信事实精确时间

STCNet在图像质量、伪影抑制和结构保留三方面均优于传统方法和近年深度学习基线。

1

来源数

50%

置信度

长期有效

时效性

2026/10/14

首次发现

来源

STCNet：稀疏视图4D CBCT重建的双域时空一致性学习

涉及实体

相关事实

待验证研究表明在Tiny ImageNet上合理使用RandAugment、MixUp、CutMix等数据增强技术通常可带来3-8个百分点的准确率提升65% 相似待验证ResNet、EfficientNet等更先进的CNN架构凭借更深的网络深度和更强的特征表达能力，已成为视觉检测任务的主流选择62% 相似待验证图像处理中的滤波、边缘检测等操作属于传统数字图像处理范畴，与深度学习、大模型意义上的AI存在一定距离62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1023990

API

curl https://kongchang.com/api/v1/knowledge/claims/1023990

MCP

get_claim(id=1023990)