为什么卷积神经网络在图像分类上的效果比全连接神经网络要好？

卷积神经网络之所以在图像分类上效果优于全连接神经网络，主要原因有以下几点：

1. 卷积神经网络使用了卷积层来提取图像的局部特征，而全连接神经网络则是对整张图像进行特征提取，因此卷积神经网络能够更好地捕捉图像中的细节信息。

2. 卷积神经网络使用了池化层来降低图像的空间尺寸，减少模型的复杂度，从而提高了计算效率。

3. 卷积神经网络使用了多个卷积层和池化层的组合，能够提取出更加抽象的特征，从而更好地进行图像分类。