待验证50% 置信事实精确时间
经典CNN依赖局部感受野逐层提取从纹理到形状的层次化特征
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
块稀疏特征器：揭开视觉模型神经几何的黑箱
hackernewshackernews2026/7/7
相关事实
待验证卷积神经网络（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74% 相似待验证CNN通过局部感受野和权重共享机制高效提取图像的空间层级特征，是YOLO等检测模型的早期基础73% 相似已验证2019年图宾根大学研究者发现ImageNet预训练的CNN模型在识别物体时更依赖纹理特征而非形状特征，即纹理偏置现象71% 相似待验证神经风格迁移通过计算各层特征图的Gram矩阵来衡量风格相似度，实现内容与风格的分离71% 相似待验证风格迁移的概念最早可追溯到2015年Gatys等人发表的论文，使用卷积神经网络（CNN）的特征表示来分离图像的内容和风格68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/313859API
curl https://kongchang.com/api/v1/knowledge/claims/313859MCP
get_claim(id=313859)