在猫狗图像识别项目中，研究者使用 CNN 提取图像特征，并通过卷积层与池化层降低维度，最终使用全连接层进行分类输出。（）A. 对B. 错

本题考查对卷积神经网络（CNN）基本结构和工作流程的理解。关键点在于：

1. 卷积层的主要作用是提取图像特征，同时可能通过卷积核的滑动步长或不使用全连接的卷积操作间接降低维度；
2. 池化层的核心功能是显著降低数据维度，减少计算量并防止过拟合；
3. 全连接层负责将提取的特征映射到最终分类结果。

题目中描述的“通过卷积层与池化层降低维度”虽然表述略显笼统，但符合CNN的整体流程，因此答案正确。

关键步骤分析

1. 卷积层的作用
   卷积层通过卷积核扫描图像，提取边缘、纹理等低级特征。若卷积核步长为1且不采用“SAME”填充，输出特征图尺寸会缩小（如输入32×32，输出30×30），因此卷积层在某些情况下会降低维度。

2. 池化层的作用
   池化层（如最大池化）通过 downsampling 进一步大幅降低特征图尺寸（如将30×30压缩为15×15），是主要的降维手段。

3. 全连接层的作用
   全连接层将二维特征图展平为一维向量，并通过神经网络进行分类，最终输出类别（如“猫”或“狗”）。

结论

题目描述的流程符合CNN标准设计，因此答案为 A 对。