待验证50% 置信事实精确时间
视觉编码器通常由卷积神经网络（CNN）或视觉Transformer（ViT）构成，将图像切成若干块或区域并逐块提取高维特征向量。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
涉及实体
相关事实
待验证神经编码模型通常以在ImageNet等数据集上预训练的CNN或视觉Transformer作为特征提取骨干78% 相似待验证CNN能从原始像素中自动提取层次化特征，Transformer能从原始文本序列中学习语义表示，大幅降低了对手工特征工程的依赖72% 相似待验证在卷积神经网络（CNN）中，模式往往对应可视化的特征图，例如边缘检测器或纹理过滤器72% 相似待验证特征提取阶段模型通过卷积神经网络（CNN）或视觉Transformer（ViT）等架构将原始像素转化为抽象特征向量72% 相似待验证编码器-解码器架构中，编码器通过卷积和池化操作逐步降低特征图的空间分辨率以提取高层语义信息，解码器通过上采样将低分辨率特征恢复到原始图像尺寸以输出逐像素的分割结果。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1047312API
curl https://kongchang.com/api/v1/knowledge/claims/1047312MCP
get_claim(id=1047312)