待验证50% 置信事实精确时间
深度学习在图像识别中层层抽象，第一层识别边缘，第二层识别形状，更深层识别具体物体
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证《Deep Residual Learning for Image Recognition》论文在CVPR 2016获得最佳论文奖76% 相似待验证基于深度学习的视觉分类模型可识别未被标记过的新内容，覆盖面更广但误报风险显著更高74% 相似待验证现代行人重识别方法以深度度量学习为主流，通过三元组损失或对比损失训练孪生网络，将同一目标的不同图像映射至特征空间中相近位置74% 相似待验证形变检测的标注层次可从图像级二分类标签、边界框、像素级语义分割到形变类型/严重程度/3D深度估计等多维标注递进73% 相似待验证图像分割常借助深度学习中的语义分割模型如U-Net或Mask R-CNN实现，逐像素判断哪些区域属于鸟类主体72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/908062API
curl https://kongchang.com/api/v1/knowledge/claims/908062MCP
get_claim(id=908062)