待验证50% 置信权衡取舍精确时间
在类别不平衡严重的遥感场景中，Dice系数（等价于F1-score的像素级版本）对少数类比 mIoU 更敏感
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67% 相似待验证移动侦测的PIR人体感应比纯画面侦测误报率低得多，纯算法侦测会因光影、宠物、树影频繁误报导致推送疲劳；优先选PIR+AI人形识别双重触发64% 相似待验证尺寸越大视觉冲击越强但空间容错率越低——尺寸偏大会显压抑、装错位置难补救，新手不确定时宁可选多联小画组合，可灵活调整间距61% 相似待验证AI可见性仪表盘用有限的预设问题推断整体可见性，存在极大的采样偏差61% 相似待验证细粒度视觉识别任务的核心挑战是类间差异极小、类内变化很大61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/502651API
curl https://kongchang.com/api/v1/knowledge/claims/502651MCP
get_claim(id=502651)