简介：卷积神经网络（Convolutional Neural Network, CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 卷积神经网络由一个或多个卷积层和顶端的全连通层（对应经典的神经网络）组成，同时也包括关联权重和池化层（pooling layer）。

基本原理：典型的 CNN 由3个部分构成：卷积层、池化层、全连接层。卷积层负责提取图像中的局部特征；池化层用来大幅降低参数量级(降维)；全连接层类似传统神经网络的部分，用来输出想要的结果。

主要应用：图像处理

相关案例：

• 李宏毅讲解卷积神经网络（带字幕）_哔哩哔哩_bilibili
• （带动画效果）卷积神经网络的讲解.pptx - 云+社区 - 腾讯云 (tencent.com)
• 【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络_哔哩哔哩_bilibili
• 4天计算机视觉课程|CNN+OpenCV+Python+Pytorch入门到实战课程，人工智能必备课程之计算机视觉集训营（深度学习+机器学习）经典算法|数学基础_哔哩哔哩_bilibili
• 利用OPENCL在Altera FPGA上实现卷积神经网络（CNN）_哔哩哔哩_bilibili