待验证50% 置信事实精确时间

ResNet、EfficientNet等更先进的CNN架构凭借更深的网络深度和更强的特征表达能力，已成为视觉检测任务的主流选择

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/8/30

首次发现

有效期至：2026/11/28

来源

AI打假：用人工智能识别假冒化妆品的技术与实践

涉及实体

ResNettechnology EfficientNettechnology

相关事实

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% 相似待验证CNN的每一层可以被表示为具有明确几何尺寸的张量块，层与层之间的连接关系清晰可循，使其架构可视化直观69% 相似待验证计算机视觉的成熟很大程度上得益于卷积神经网络（CNN）的突破69% 相似待验证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64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/825115

API

curl https://kongchang.com/api/v1/knowledge/claims/825115

MCP

get_claim(id=825115)