是什么让它们的泛化能力如此强大

泛化能力强大的卷积神经网络具有以下特点：

1. 强大的特征提取能力：通过多层卷积和池化操作，能够提取出图像的高层次特征，从而有效地解决了图像中的复杂问题。

2. 模型深度和宽度的优化：采用深度神经网络，可以让模型更好地捕捉数据中的抽象特征，从而提高泛化能力。同时，通过增加模型的宽度，也可以提高模型的容量，从而更好地拟合数据。

3. 正则化方法的应用：包括 Dropout、L1/L2正则化、数据增强等方法，可以有效地减少过拟合现象，从而提高泛化能力。

4. 具有跨越性的网络结构：如ResNet、InceptionNet等，通过引入跨层连接或者跨通道连接的方式，可以让信息在不同层次之间或者不同通道之间流动，从而提高泛化能力。

5. 轻量化设计：如MobileNet等，通过减少参数数量和计算量，可以提高模型的泛化能力，并且在移动设备等资源受限的场景下，具有重要的应用价值。