我对卷积自动编码器（CAE）中降维前的卷积步骤的重要性提出了疑问。
在我看到的许多实现中，CAE使用＆＃34; flatten＆＃34;图层将最后一个卷积图层（尺寸为： H，W，C ）转换为经典的一维图层（dim： H x W x C ）连接层以产生＆＃34;代码＆＃34;自动编码器。
但是，我注意到大多数时候，生成的扁平层实际上比输入层的尺寸更大！因此，我有直觉认为那些简单的卷积自动编码器显然过于完整，因此存在身份映射学习的风险。
所以我的问题：
与传统的堆叠式自动编码器相比，在完全连接的层之前进行卷积可以获得什么？ （卷积编码部分真的对减少维数有用吗？）
请注意，我想在进行分类之前使用CAE进行无人监督的预训练，我想知道CAE是否比SAE更好。
提前感谢你对这个问题的想法。