已验证65% 置信事实时间未知

深度学习中常见的图像批次数据是4维张量，维度为批次大小×通道数×高度×宽度

3

来源数

65%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

PyTorch高效入门：源码驱动的学习方法论

bilibili论文不秃头指南

涉及实体

相关事实

待验证深度重绘使用MiDaS、DPT等单目深度估计模型从原图中自动推断深度图70% 相似待验证DeepPose 于2014年首次将深度学习引入姿态估计领域67% 相似待验证现代深度学习方法采用序列到序列（Seq2Seq）方式直接从图像特征预测字符序列以绕过字符切分瓶颈，但对训练数据需求量更大67% 相似待验证深度学习崛起依赖三大要素同步成熟：海量标注数据、GPU并行计算能力提升、反向传播等训练算法的工程化成熟67% 相似待验证DeepSORT在SORT基础上引入了深度学习提取的外观特征（Re-ID特征），融合外观相似度与运动信息构建成本矩阵67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/4650

API

curl https://kongchang.com/api/v1/knowledge/claims/4650

MCP

get_claim(id=4650)