待验证50% 置信权衡取舍精确时间
逐图归一化会抹掉图像间的绝对强度差异，破坏遥感分割中植被与水体在NIR通道的判别信息
1
来源数
50%
置信度
长期有效
时效性
2026/7/13
首次发现
来源
深度学习数据归一化：全局统计 vs 逐图归一化实践指南
redditr/deeplearning2026/7/9
相关事实
待验证逐图归一化会抹掉图像间的绝对强度差异，破坏遥感分割效果，因为模型无法从归一化后数值重建NDVI等物理光谱关系78% 相似待验证逐图 min/max 归一化会抹掉图像间的绝对强度差异，对依赖光谱绝对值区分地物的遥感分割任务可能丢失关键信息71% 相似待验证Zhang（2019）的研究表明标准池化+下采样破坏了平移等变性，将输入平移一个像素可能导致中间特征图发生非平凡变化66% 相似待验证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64% 相似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63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502344API
curl https://kongchang.com/api/v1/knowledge/claims/502344MCP
get_claim(id=502344)