卷积神经网络（CNN）是前馈多层感知器的另一种变体。它是一种前馈神经网络，其中各个神经元以这样的方式排列，即它们响应视野中的重叠区域。
深度CNN通过连续建模小块信息并在网络中更深层次地组合来工作。理解它们的一种方法是第一层将尝试检测边缘并形成用于边缘检测的模板。然后，后续图层将尝试将它们组合成更简单的形状，最终组合成不同对象位置，照明，比例等的模板。最终图层将输入图像与所有模板匹配，最终预测就像是所有模板的加权和他们。因此，深度CNN可以对复杂的变化和行为进行建模，从而提供高度准确的预测。
这种网络遵循生物体的视觉机制。视觉皮层中的细胞对视野的小亚区敏感，称为感受野。子区域被布置为覆盖整个视野，并且细胞充当输入空间上的局部过滤器。反向传播算法用于训练每个卷积核的参数。此外，使用相同的参数在整个图像上复制每个内核。存在卷积运算符，其提取输入的独特特征。除了卷积层之外，网络还包含整流的线性单元层，汇集层以计算图像区域上的特征的最大值或平均值，以及由应用特定的损耗函数组成的损耗层。
计算机视觉领域在过去几年中经常取得进展。最有说服力的进步之一是CNN。现在，深度CNN构成了最复杂的计算机视觉应用的核心，例如自动驾驶汽车，Facebook图片中的朋友自动标记，手势识别，面部安全功能和自动车牌识别。