待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
CNN到Transformer：AI理解人类语言的进化之路
bilibiliAI-Agent搭建2026/7/9
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的核心创新在于权重共享与局部连接机制，通过滑动卷积核在图像不同区域共享同一组参数73% 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68% 相似待验证Photoshop的「内容识别填充」（Content-Aware Fill）底层使用卷积神经网络分析周边像素统计规律68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/490816API
curl https://kongchang.com/api/v1/knowledge/claims/490816MCP
get_claim(id=490816)