《深入浅出图神经网络》阅读笔记-第3章 卷积神经网络（2）卷积神经网络特点

卷积神经网络有三个特点：局部连接、权值共享、层次化表达

1、局部连接

卷积计算每次都在于卷积核大小对应的区域进行，所以说输入和输出是局部连接的。这也符合图像的局部相关性。

感知野：指特征图上一个输出与多大区域的输入有关。通俗点讲就是卷积操作对多大的区域有计算。

2、权值共享

在图像中，不同的区域使用的是同一个卷积核，这样可以减少参数量并且带来了平移不变性。平移不变性是指不管输入如何平移，总能够得到相同的输出。同时，池化操作也带来了一些平移不变性。

3、层次化表达

卷积操作随着卷积层的堆叠，所提取的特征逐渐由高层次到低层次。低层次的卷积一般提取一些简单的特征，中间层次的卷积得到的特征开始变得抽象，高层次得到的特征则更加抽象。低层次卷积获取的是局部特征，高层次的获取的是全局特征，通常来说，低层次的特征更加通用，高层次的特征与具体的任务关联性更像。

以上参考《深入浅出图神经网络》