为什么卷积神经网络适用于图像和视频？
我们常听说“卷积神经网络（CNN）擅长图像和视频”，但其实 CNN 的核心本质远不止图像领域。我们先搞懂它为啥适合图像/视频。
🧠CNN 为什么适用于图像和视频？
主要因为 图像/视频具有空间局部性和结构平移性，而 CNN 的设计刚好能完美利用这些性质：
| 图像/视频特性 | CNN 的机制 | 配对说明 |
|---|---|---|
| 局部相关性 | 卷积核只看局部区域 | 图像中像素之间局部关系强（比如边缘、纹理） |
| 参数共享 | 卷积核在整张图上滑动 | 用同一组参数提取所有区域特征，减少参数量 |
| 平移不变性 | 卷积操作天然具备 | 特征出现在哪都能被识别（比如猫耳在左上角 or 右下角） |
👉 视频相当于是多帧图像 + 时间维度，可以用 3D 卷积或时序 CNN 来处理。