在深度学习中，卷积神经网络(CNN)的局部感知性是指网络中的每个神经元只对输入数据的局部区域进行感知和响应，而不是对整个输入进行处理。这样可以有效捕捉输入数据的局部特征，使网络能够更好地理解图像和其他类型的数据。参数共享特性是指在CNN中，卷积核的参数被共享使用，这意味着在对一个局部区域进行处理时，所有相似位置的区域都使用相同的卷积核参数，从而减少网络中需要学习的参数数量，降低了模型复杂度，节省了计算资源，同时增强了模型的泛化能力。这两个特性使得CNN成为处理图像和其他二维数据的强大工具，在图像识别、目标检测和图像生成等任务上取得了巨大成功。