在过去十年中，深度学习彻底改变了计算机视觉领域，卷积神经网络（CNN）模型在图像分类基准测试中表现出色。然而，关于它们为何能有效解决涉及特征提取的离散图像分类任务的基础理论问题仍未得到解答。本文通过引入一种新颖的数学模型，针对基于特征提取的图像分类进行研究，进而生成类似于真实世界数据集的图像。我们展示了卷积神经网络分类器能够以零误差解决这些图像分类任务。在我们的证明中，构造了分段线性函数以检测特征的存在，并证明这些函数可以通过卷积网络实现。
博主点评： 本文通过数学模型深入探讨了卷积神经网络在特征提取中的优势，提供了理论支持，为理解深度学习在图像分类中的有效性提供了新的视角。特别是分段线性函数的使用，为构建更高效的网络架构奠定了基础。