待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/9
首次发现
来源
Discord误封8000账号：AI审核系统为何把棋盘认成违规内容
rss2026/7/7
相关事实
待验证卷积神经网络（CNN）通过对大量标注植物图像的训练学会提取叶片纹理、颜色分布、边缘特征等视觉模式71% 相似待验证经典CNN依赖局部感受野逐层提取从纹理到形状的层次化特征71% 相似待验证农业场景下的图像识别主要基于深度学习中的卷积神经网络（CNN）及其变体，如ResNet、EfficientNet、Vision Transformer等模型架构71% 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71% 相似待验证研究者通过分析图像频域特征（傅里叶变换下的频率分布异常）、面部生物力学一致性及全局光照方向来识别AI合成图像71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/336985API
curl https://kongchang.com/api/v1/knowledge/claims/336985MCP
get_claim(id=336985)