待验证50% 置信事实精确时间

U-Net 最初仅需少量标注数据（数百张医学图像）即可训练

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

待验证预训练的U-Net通常指编码器部分使用了在ImageNet等大规模数据集上预训练的骨干网络（如ResNet、EfficientNet），仅解码器部分从零训练68% 相似待验证对于5600张图像的小数据集，从零训练标准DETR几乎注定失败，推荐加载COCO预训练权重进行微调65% 相似待验证在医学影像任务标注数据有限的场景下，迁移学习是常用策略，可将所需训练样本量降低数个数量级63% 相似待验证全球可能仅有数百人具备从零训练前沿大模型的完整经验63% 相似待验证在小数据集上应采用COCO等大规模数据集上预训练的DETR权重进行微调，而非从零训练62% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502394

API

curl https://kongchang.com/api/v1/knowledge/claims/502394

MCP

get_claim(id=502394)