请解释为什么卷积神经网络在图像识别任务中表现优越？

回答思路

1. 【回答框架 1】卷积神经网络通过卷积操作提取局部特征，利用参数共享和稀疏连接大幅减少参数量，降低过拟合风险，适合处理高维图像数据。
2. 【回答框架 2】池化层进行下采样，逐步扩大感受野，提取更高层抽象特征，增强模型对平移、缩放等变形的鲁棒性。
3. 【回答框架 3】图像数据具有局部相关性，卷积核能有效捕捉边缘、纹理等局部模式，层次化结构符合从低级到高级特征的视觉处理机制。
4. 【回答框架 4】与全连接网络相比，CNN参数更少，训练更高效，且易于并行计算，适合大规模图像数据。
5. 【关键点 1】局部连接与参数共享减少参数量
6. 【关键点 2】层次化特征提取符合图像结构
7. 【关键点 3】池化操作增强平移不变性
8. 【关键点 4】易于优化和部署
9. 【易错点 1】不能过度宣称CNN在所有图像任务中都最优，需考虑数据量和计算资源
10. 【易错点 2】需注意过拟合风险，实际中需配合数据增强、正则化等手段
11. 【易错点 3】CNN并非唯一选择，传统方法如HOG+SVM在特定小样本场景仍有优势