待验证50% 置信事实精确时间

CIoU损失在GIoU基础上引入长宽比一致性惩罚项，同时优化重叠面积、中心点距离与形状相似性

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

YOLOv8引入一致性正则化：原理、实践与性能权衡

redditr/learnmachinelearning2026/7/11

相关事实

待验证Dice Loss和IoU Loss对前景像素的相对比例更敏感，天然缓解类别不平衡；Focal Loss通过动态降低易分类样本的权重迫使模型专注于困难像素61% 相似待验证相对位置编码（如 RoPE、ALiBi）会对距离较远的 token 对施加注意力衰减偏置，序列边界位置拥有更多邻近token的注意力积累优势61% 相似待验证现代行人重识别方法以深度度量学习为主流，通过三元组损失或对比损失训练孪生网络，将同一目标的不同图像映射至特征空间中相近位置60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494836

API

curl https://kongchang.com/api/v1/knowledge/claims/494836

MCP

get_claim(id=494836)