卷积神经网络考虑到图像已经具有二维结构。这是人类提供的领域知识，而不是神经网络可以获取的东西。

例如，考虑我是否会给您以扁平阵列（或任何其他信号）中混洗的原始像素。你能重建它的二维结构吗？可能这几乎是不可能的（除非有人构建了一种算法来解决像素级别的拼图游戏！）

以不同的步幅应用卷积，我们正在寻找图像块中的模式，而不是单个像素。使用不同的步幅，我们明确表达了我们正在研究图像模式的分辨率量。

因此，鉴于这些卷积滤波器是可训练的，我们能够拥有一个适用于图像的架构。事实上，它适用于任何具有 2D 结构的信号。