（1）卷积神经网络提出的缘由
图像的局部性：通常，检测一个图像的类别，不是整个图像决定的，而是一些局部区域决定的。
图像的相同性：对于不同图像，如果有相同的特征，这些特征会出现在图片的不同位置；也就是说可以用同样的检测模式去检测不同图像的相同特征。
图像的不变性：对于一个大的图像，对他进行下采样，那么图像的性质基本保持不变。
（2）全连接神经网络对于处理图像数据需要大量的参数去计算
全连接神经网络
全连接神经网络在处理图像分类任务时，会把每个像素放成一列向量。例如手写字体识别任务。那么1000*1000像素的图片输入层有1000*1000=100万节点。假设第一个隐藏层有100个节点，那么仅这一层就有(1000*1000+1)*100=1亿参数，参数数量太多同时没有利用像素之间的位置信息，对于图像识别任务来说，每个像素和其周围像素的联系是比较紧密的，和离得很远的像素的联系可能就很小了。同时梯度消散问题也不容忽视。
（3）可视系统是分级的
人们通过对猫的视觉系统研究发现，1可视皮层是分级的，神经-中枢-大脑的工作过程，是一个不断迭代、不断抽象的过程。2发现了一种被称为“方向选择性细胞（Orientation Selective Cell）”的神经元细胞。当瞳孔发现了眼前的物体的边缘，而且这个边缘指向某个方向时，这种神经元细胞就会活跃。即对物体边缘感兴趣，通过边缘特征来组成更大的特征。物体边缘是一个局部特征，我们通过卷积核来获取这种特征。于是出现了卷积神经网络。
