在卷积神经网络 (CNN) 处理图像的经典流程中，经过卷积层提取初步特征后，通常会执行 (___) 操作，该操作可通过缩小特征图尺寸来减少模型参数数量与计算量，同时有效保留图像的关键特征，避免过拟合。

本题考查卷积神经网络（CNN）的基本工作流程及核心操作的作用。关键点在于理解不同层的功能差异：卷积层负责提取特征，而池化层通过下采样减少数据维度，同时保留关键特征，降低过拟合风险。需明确池化操作的直接作用及其在CNN中的位置。

在CNN中，卷积层通过卷积核提取图像的局部特征（如边缘、纹理）。随后，池化层对特征图进行下采样（如取最大值或平均值），实现以下效果：

1. 缩小特征图尺寸，减少参数数量；
2. 降低计算复杂度，加快训练速度；
3. 防止过拟合，通过降维去除噪声；
4. 保留关键特征，如最大池化能捕捉区域内的显著信息。