バックプロップ中にCNNのフィルターの重みを変更しないことの影響

逆伝播中にCNNのフィルターの重みを変更しないことの影響は何ですか？MNISTデータセットのトレーニング中に完全に接続されたレイヤーの重みのみを変更しましたが、ほぼ99％の精度を達成しました。

CNNのたたみ込み層の重みを変更しないことにより、本質的に分類子（完全に接続された層）のランダムな特徴（つまり、当面の分類タスクに最適な特徴ではない）を供給します。

MNISTは簡単な画像分類タスクであり、特徴を抽出せずに入力ピクセルを分類器に送ることができ、90年代の高さでもスコアリングされます。それ以外に、おそらくプーリング層が少し役立ちます...

入力画像でMLP（変換/プールレイヤーなし）をトレーニングして、ランク付けを確認してください。以下は、MLP（1つの非表示層と1つの出力層）が前処理/機能抽出なしで98 +％に達した例です。