待验证50% 置信事实精确时间
CNN利用参数共享和局部连接大幅减少了参数量，相比传统全连接网络使训练大规模图像识别模型成为可能
1
来源数
50%
置信度
长期有效
时效性
2026/8/21
首次发现
来源
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73% 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70% 相似待验证CNN能从原始像素中自动提取层次化特征，Transformer能从原始文本序列中学习语义表示，大幅降低了对手工特征工程的依赖68% 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65% 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64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/782759API
curl https://kongchang.com/api/v1/knowledge/claims/782759MCP
get_claim(id=782759)