我不确定我是否理解 CNN 的概念以及它为何如此擅长图像处理。我总是被告知 CNN 擅长发现独特的特征，因此擅长对东西进行分类。但这有意义吗？

我想我明白如何转换。层提取特征和池化层从卷积层最大化了一个窗口，但是这些特征如何用于全连接层中的分类。据我所知，全连接层类似于神经网络，所以基本上它所做的是使用从先前步骤中提取的特征进行分类，其中训练在这里是有意义的，但话又说回来，一个人不会提取唯一的特征，但提取已知特征，并在此基础上训练神经网络？...如果是这样的话？...使用 CNN 有什么好处？如果它基本上是一个带有预处理/特征提取步骤的神经网络？

为什么 CNN 的图像处理如此出色，如果它需要知道正在提取哪些特征，并基于此训练神经......它基本上归结为回归问题？

以某种方式陈述问题，使其与标题有意义 - 当它结合特征提取（已知）+ 神经网络（训练）时，CNN 怎么会是一个东西？