Unverified50% confidenceOpinionExact time
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
1
Sources
50%
Confidence
Long-term
Relevance
8/23/2026
First Seen
Sources
Related Entities
Related Claims
UnverifiedCNN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75% similarUnverifiedCNN通过局部感受野和权重共享机制高效提取图像的空间层级特征，是YOLO等检测模型的早期基础72% similarUnverifiedCNN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69% similarUnverified经典CNN依赖局部感受野逐层提取从纹理到形状的层次化特征69% similarUnverifiedLive Portrait的推理管线高度依赖卷积神经网络（CNN）矩阵运算，对显存带宽和CUDA并行性敏感，对图形渲染管线（光栅化、纹理采样等）零依赖67% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/790001API
curl https://kongchang.com/api/v1/knowledge/claims/790001MCP
get_claim(id=790001)