已验证65% 置信事实精确时间

2019年图宾根大学研究者发现ImageNet预训练的CNN模型在识别物体时更依赖纹理特征而非形状特征，即纹理偏置现象

3

来源数

65%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

Discord误封8000账号：AI审核系统为何把棋盘认成违规内容

rss2026/7/7

相关事实

待验证在卷积神经网络（CNN）中，模式往往对应可视化的特征图，例如边缘检测器或纹理过滤器73% 相似待验证实验揭示模型早期层由感知基元主导，主要处理颜色、形状、纹理等低级视觉特征73% 相似待验证在图像分类中，CNN通常最后接一个全连接层输出类别概率；在目标检测中，网络在特征图上预测边界框偏移和类别；在图像分割中，常采用编码器-解码器结构把低分辨率语义特征上采样回原图尺寸实现像素级预测。72% 相似待验证卷积神经网络（CNN）通过对大量标注植物图像的训练学会提取叶片纹理、颜色分布、边缘特征等视觉模式71% 相似待验证经典CNN依赖局部感受野逐层提取从纹理到形状的层次化特征71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/336985

API

curl https://kongchang.com/api/v1/knowledge/claims/336985

MCP

get_claim(id=336985)