شبکه عصبی کانولوشن یا CNN مخفف Convolutional Neural Network استفاده گسترده ای در شناسایی الگو و تصاویر دارد و نوعی طبقه بندی با نورون های مصنوعی است که داده ها را بین یکدیگر مبادله می کنند. ارتباطات دارای وزنی عددی است که در طول فرآیند آموزش تنظیم می شود، به طوری که شبکه ی آموزش دیده برای شناسایی الگو با کمترین خطا پاسخ بدهد. این شبکه شامل چندین لایه از نورون های تشخیص ویژگی است که هر لایه دارای نورون های زیادی است و با ترکیب های مختلف ورودی از لایه های قبلی پاسخ می دهد. در شبکه عصبی کانولوشن، لایه ها نقش آشکارساز ویژگی را بازی می کنند اما توسط کاربر تعیین نمی شود. هسته ی فیلتر وزنی تصمیم گیرنده فرآیند آموزش است. لایه های کانولوشن توانایی استخراج ویژگی محلی را دارند زیرا آنها لایه ها را به صورت محلی محدود می کنند. شبکه های عصبی کانولوشن پایه اصلی یادگیری عمیق است که در فضاهای گسترده ای از جمله تشخیص الگو، تشخیص سخن، پردازش زبان طبیعی و آنالیز ویدیو کاربرد دارد.
در ادامه ویدئوی زیر توسط لوییز سرانو تهیه شده است که شبکه های عصبی کانولوشن را با بیانی بسیار ساده تشریح می کند. رادوو دعوت می کند علاقه مندان برای تفهیم این نوع شبکه عصبی، ویدئوی زیر را تماشا کنند.