正确答案是：C: 空间金字塔池化（SPP）通过把图像的卷积特征转化成不同维度的特征向量，使模型可以处理任意尺寸的图像。

分析：

A: 在卷积神经网络中，平均池化和最大池化有不同的应用场景。平均池化通常用于减少特征图的维度和计算量，但它不一定能减小误差或者突出纹理特征。相反，最大池化更常用于突出图像中的显著特征或纹理。

B: ResNet通过引入残差模块（Residual Block）来解决深层网络中的梯度消失问题，而不是通过增加参数来减少优化难度。残差模块通过恒等映射（identity mapping）和快捷连接（skip connection）使得梯度可以更容易地传递。

C: 空间金字塔池化（SPP）通过在不同尺度上进行池化操作，将卷积特征转换为固定长度的特征向量，从而使得模型能够处理输入图像的任意尺寸。这种方法在处理不同大小的输入图像时非常有效。

D: 深度信念网络（DBN）由多个受限玻尔兹曼机（RBM）堆叠而成，其中每个RBM的连接是无向的。但DBN通常不包括一个有向的"信念网络"。最顶层的RBM与其他层的RBM结构相同，都是无向的。