卷积神经网络
一种专为处理网格结构数据（如图像）设计的深度神经网络，通过卷积层、池化层和全连接层逐层提取局部特征并抽象为高级语义特征，广泛应用于计算机视觉任务
核心事实
时间轴 (近 90 天)
放射科AI主要依赖卷积神经网络技术，使用ResNet、U-Net等架构进行医学影像识别
放射科AI主要依赖深度学习中的卷积神经网络（CNN）技术，通过对数十万甚至数百万张标注过的医学影像进行训练，学会识别肿瘤、骨折、肺部结节等异常特征
到2019年,研究人员已能用卷积神经网络以70%的准确率破解reCAPTCHA v2的图像选择型验证
边缘AI模块能在GPS信号被干扰的情况下通过光电传感器和CNN模型对地面目标进行实时分类和定位，实现自主精确制导
车辆损伤识别背后的技术是计算机视觉领域中的卷积神经网络（CNN），通过大量标注过的损伤照片训练识别不同类型损伤
卷积神经网络在图像识别中的成功关键在于卷积操作天然具备平移不变性
卷积神经网络(CNN)中的卷积操作天然具备平移不变性(translation invariance)
将图像平移一个像素可能导致CNN模型的识别结果发生剧烈变化甚至完全出错
卷积神经网络的灵感来自神经科学家对视觉皮层感受野的研究，强化学习中的时序差分学习借鉴了心理学中的行为主义学习理论
2015年Gatys等人提出神经风格迁移，通过卷积神经网络的Gram矩阵来匹配内容图与风格图的特征分布
还有 1 条时间轴事件
全部知识事实 (11)
2015年Gatys等人提出神经风格迁移，通过卷积神经网络的Gram矩阵来匹配内容图与风格图的特征分布
65%待验证放射科AI主要依赖卷积神经网络技术，使用ResNet、U-Net等架构进行医学影像识别
50%待验证放射科AI主要依赖深度学习中的卷积神经网络（CNN）技术，通过对数十万甚至数百万张标注过的医学影像进行训练，学会识别肿瘤、骨折、肺部结节等异常特征
50%待验证到2019年,研究人员已能用卷积神经网络以70%的准确率破解reCAPTCHA v2的图像选择型验证
50%待验证边缘AI模块能在GPS信号被干扰的情况下通过光电传感器和CNN模型对地面目标进行实时分类和定位，实现自主精确制导
50%待验证车辆损伤识别背后的技术是计算机视觉领域中的卷积神经网络（CNN），通过大量标注过的损伤照片训练识别不同类型损伤
50%待验证卷积神经网络在图像识别中的成功关键在于卷积操作天然具备平移不变性
50%待验证卷积神经网络(CNN)中的卷积操作天然具备平移不变性(translation invariance)
50%待验证将图像平移一个像素可能导致CNN模型的识别结果发生剧烈变化甚至完全出错
50%待验证卷积神经网络的灵感来自神经科学家对视觉皮层感受野的研究，强化学习中的时序差分学习借鉴了心理学中的行为主义学习理论
50%待验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量
50%