待验证50% 置信权衡取舍精确时间

在类别不平衡严重的遥感场景中，Dice系数（等价于F1-score的像素级版本）对少数类比 mIoU 更敏感

1

来源数

50%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

深度学习数据归一化：全局统计 vs 逐图归一化实践指南

redditr/deeplearning2026/7/9

相关事实

待验证Dice Loss和IoU Loss对前景像素的相对比例更敏感，天然缓解类别不平衡；Focal Loss通过动态降低易分类样本的权重迫使模型专注于困难像素67% 相似待验证AI可见性仪表盘用有限的预设问题推断整体可见性，存在极大的采样偏差61% 相似待验证细粒度视觉识别任务的核心挑战是类间差异极小、类内变化很大61% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502651

API

curl https://kongchang.com/api/v1/knowledge/claims/502651

MCP

get_claim(id=502651)