待验证50% 置信事实精确时间
LeNet是最早的CNN之一，结构轻量，适合小规模图像分类任务。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证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。60% 相似待验证轻量变体仅依赖几何信息与图像统计线索构建探针库，计算开销小、无需额外语义模型59% 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57% 相似待验证CNN依靠局部卷积核逐层堆叠，感受野有限，擅长捕捉边缘、纹理等局部特征；ViT更擅长刻画全局上下文与远距离依赖。57% 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57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028187API
curl https://kongchang.com/api/v1/knowledge/claims/1028187MCP
get_claim(id=1028187)