待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

AI自动化OSINT实战：CS背景者的学习路径与工具选择

相关事实

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76% 相似待验证道路病害自动检测从传统图像处理（边缘检测、形态学运算）演进到深度学习（YOLO、Mask R-CNN等实例分割模型）73% 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73% 相似待验证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73% 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70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/501925

API

curl https://kongchang.com/api/v1/knowledge/claims/501925

MCP

get_claim(id=501925)