全连接网络特征提取的问题1. 输入数据的空间信息丢失2. 模型参数过多造成过拟合相比之下CNN既能提取相邻像素间的特征模式又能保证模型参数不随图像尺寸变化。并且它自动提取图像特征无需人工参与。CNN层级结构输入层取均值数据中心化到原点附近减少训练中的震荡避免学习率适配困难归一化消除特征维度中的量纲差异将数据映射到固定区间图像数据一般不需要归一化处理卷积层卷积核又称为滤波器可以提取特定的局部特征可以层级嵌套填充可以保留边缘信息并调整输出尺寸从物理意义上卷积是一种度量相似度的操作卷积核和局部区域运算后的结果反映了该区域和卷积核模式的相似程度。激活层非线性变换池化层下采样的实现方式减少像素的同时不会对物体进行改变全连接层完成从特征提取到最终分类的关键跨越