Unverified50% confidenceBenchmarkExact time
残差连接支撑了152层超深网络的训练，并在2015年ImageNet竞赛中以低于4%的错误率首次超越人类水平（约5%）
1
Sources
50%
Confidence
Long-term
Relevance
7/14/2026
First Seen
Sources
Related Claims
Unverified2012年Hinton团队的AlexNet以top-5错误率从26%降至15%的成绩，ResNet（2015，微软研究院）通过残差连接解决深层网络梯度消失问题，EfficientNet（2019，Google Brain）通过复合缩放系数优化网络70% similarUnverifiedGoogle Brain在2020年的ViT论文中指出，ViT在ImageNet-1K（128万张图像）从零训练时性能不及同等规模CNN，但预训练数据扩展到ImageNet-21K（1400万张）或JFT-300M（3亿张）时开始超越CNN68% similarUnverifiedDeepSuite基准测试的误报率为44.9%，漏报率为1.2%62% similarUnverified2012年Hinton团队用GPU+ReLU+Dropout在ImageNet竞赛中夺冠，将图像分类错误率从26%降至15%61% similarUnverified移除歧义后所有模型准确率提升26.8至40.2个百分点，Gemini甚至达到81%，表明歧义是深度搜索代理最大性能瓶颈之一61% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/507994API
curl https://kongchang.com/api/v1/knowledge/claims/507994MCP
get_claim(id=507994)