待验证50% 置信事实精确时间

研究表明在Tiny ImageNet上合理使用RandAugment、MixUp、CutMix等数据增强技术通常可带来3-8个百分点的准确率提升

1

来源数

50%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

595K参数实现51%准确率：原型网络轻量化与可解释性实践

涉及实体

Tiny ImageNetconcept MixUpconcept CutMixconcept

相关事实

待验证CutMix 由 2019 年 Yun 等人提出，从一张图像裁剪矩形区域粘贴到另一张图像，标签按面积比例混合，在数据量有限的微调场景下通常能带来 1-3% 的精度提升68% 相似待验证现实的技术趋势是分层混合使用三种数据：用海量第一视角数据学习视觉表征，用UMI数据获得动作层面对齐，用少量高保真遥操作数据做策略微调67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/837581

API

curl https://kongchang.com/api/v1/knowledge/claims/837581

MCP

get_claim(id=837581)