卷积神经网络（CNN）的平移不变性和旋转不变性。

不变性的介绍

不变性意味着即使目标的外观发生了某种变化，但是你依然可以把它识别出来。

旋转不变性和平移不变性：

通俗的讲，我给你一张图片，你识别出来这是只狗，我将图片旋转之后再给你，你依旧可以识别出来这是只狗。这就叫做具有旋转不变性。

平移、光照、缩放、视角等不变性同理。

不变性的原理

简单来说，卷积神经网络依靠 卷积+池化达到一定程度上的不变性，因为图像经过平移或旋转后，图片上的特征也随之改变，但依旧会被扫描出来。

下图中，三个红点特征在原始图像的左下角。

当将特征改变到左上角后，依旧可以提取的到。

在神经网络中，卷积被定义为为特征提取器，且为整张图片的特征提取器，无论特征目标在哪里出现都会被检测的到。

而池化，比如最大值池化，即使特征位置改变了，但仍在感受野中，则同样会输出最大值。