图像分类常用卷积神经网络，为什么

图像分类常用卷积神经网络，主要是因为卷积神经网络在处理图像数据时具有以下几个优点：

1. 参数共享：卷积神经网络通过卷积核对图像进行卷积操作，可以共享卷积核的参数，从而大幅减少需要训练的参数数量，减少过拟合的风险，提高模型的泛化能力。

2. 局部感知性：卷积神经网络是基于局部感知性的，即每个卷积核只关注输入图像中的一个局部区域，从而可以捕捉到图像中的局部特征，比如边缘、纹理等。

3. 位置不变性：卷积神经网络的卷积操作是在整个图像上进行的，因此对于输入图像中的某个特征，无论它在图像的哪个位置出现，卷积神经网络都可以捕捉到它的特征，从而提高了图像分类的准确性。

基于以上优点，卷积神经网络在图像分类领域得到了广泛应用，并且在一系列经典的图像分类任务中，如ImageNet、CIFAR等数据集中，卷积神经网络已经取得了很好的效果。