标签：区域 scale 难度 tran lin 原因 视觉 固定 http
1.CNN为什么可以在CV/NLP/Speech等领域都可以使用？
1. 卷积是因为输入数据的局部相关性；
2. 权值共享是因为输入数据的局部特征具有平移不变性，即在不同位置具有共性的局部特征。这样，经过多层次堆叠，低层局部特征可以抽取成高层全局特征。
3. 权值共享能够降低参数量，而且降低了网络的训练难度。
note: 如果权值不共享，那就是局部连接层了。在某些应用，如人脸在不同的区域存在不同的特征（眼睛／鼻子／嘴的分布位置相对固定），当不存在全局的局 部特征分布时，局部连接层更适合特征的提取。
2.采用pooling原因：
1. 提取特征，保证invariance(translation(平移)，rotation(旋转)，scale(尺度)) https://www.zhihu.com/question/36686900
2. 减少参数减少计算量和防止过拟合
3.https://www.zhihu.com/question/36980971
标签：区域 scale 难度 tran lin 原因 视觉 固定 http
原文地址：http://www.cnblogs.com/ymjyqsx/p/7625654.html
