待验证50% 置信事实精确时间

深度可分离卷积由Google在MobileNet中推广，将标准卷积分解为depthwise空间卷积和1×1 pointwise通道混合两步操作

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

Depthwise Separable Convolutionconcept MobileNetmodel Googlecompany

相关事实

待验证S2地理分区系统由Google开发，基于希尔伯特空间填充曲线将球面递归细分为层次化的四叉树结构67% 相似待验证Google的PoseNet是专为浏览器端设计的轻量模型，基于MobileNet架构64% 相似待验证Google DeepMind探索了通过Android Accessibility API操控移动设备的可能性62% 相似待验证谷歌采用端云协同的混合架构：简单任务在本地完成，复杂任务无缝上传至云端处理62% 相似待验证谷歌开源推理专用无损压缩算法，可将集群间传输带宽削减一半61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/837583

API

curl https://kongchang.com/api/v1/knowledge/claims/837583

MCP

get_claim(id=837583)