待验证60% 置信事实精确时间
CNN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
2
来源数
60%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
CNN到Transformer：AI理解人类语言的进化之路
bilibiliAI-Agent搭建2026/7/9
相关事实
待验证CNN依靠局部卷积核逐层堆叠，感受野有限，擅长捕捉边缘、纹理等局部特征；ViT更擅长刻画全局上下文与远距离依赖。76% 相似待验证CNN（卷积神经网络）是让图像分类、目标检测和图像分割三类任务落地的关键模型结构，其核心思想是用可学习的卷积核滑动提取局部特征，再层层堆叠组合成高层语义。76% 相似已验证卷积神经网络（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74% 相似待验证CNN凭借其固有的几何归纳偏置在棋盘任务上表现得更有效73% 相似待验证CNN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73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/490816API
curl https://kongchang.com/api/v1/knowledge/claims/490816MCP
get_claim(id=490816)