卷积神经网络(Convolutional Neural Network，CNN)是一种人工神经网络，常用于图像、语音和自然语言处理等领域。其在图像识别中的应用已经得到广泛认可，被视为是深度学习的代表性应用之一。
卷积神经网络可以通过学习图像的特征来完成识别任务。它通常由卷积层(Convolutional Layer)、池化层(Pooling Layer)、全连接层(Fully Connected Layer)等组成。卷积层可以学习不同的特征，如边缘、角、颜色等，并将这些特征提取出来。池化层主要是将卷积层的输出进行降维，减少参数数量和计算量。全连接层通常是用于分类器，对图像进行分类。
卷积神经网络在图像识别中已经取得了一系列令人瞩目的成果。例如，2012年，基于卷积神经网络的AlexNet模型在ImageNet图像分类竞赛中取得了绝对优势。此外，卷积神经网络在人脸识别、自然场景文字识别、自动驾驶等领域也有广泛应用。
