Как сверточные нейронные сети решают проблемы, связанные с архитектурой MLP?

Свёрточные нейронные сети (CNN) решают некоторые проблемы, связанные с архитектурой многослойных перцептронов (MLP), за счёт следующих особенностей:

• Использование общих весов. cyberleninka.ru В CNN нейроны имеют общий вес, в отличие от перцептронов, где каждый нейрон имеет отдельный вектор весов. cyberleninka.ru Это сокращает общее число обучаемых весов и уменьшает количество вычислений и параметров в сети. cyberleninka.ru
• Уменьшение размерности. itstd-journal.ru В CNN используется уменьшение размерности, что позволяет распознавать объекты вне зависимости от масштаба и местоположения на картинке. itstd-journal.ru
• Учёт информации о топологии. itstd-journal.ru В CNN анализируются соседние пиксели не только по горизонтали, но и по вертикали. itstd-journal.ru
• Работа с ядром, которое перемещается по входным данным. github.com Это делает CNN независимыми от трансляции, например, позволяет обнаруживать объекты независимо от размера и положения на изображении. github.com

Благодаря этим особенностям CNN часто оказываются эффективнее для решения проблем компьютерного зрения, чем классические MLP. github.com