卷积神经网络（CNN）是一种专门用于处理具有网格结构数据（如图像）的深度学习模型。它通过局部感受野、权值共享和池化操作，有效提取输入数据的空间层次特征。CNN的核心组件包括卷积层、激活函数、池化层和全连接层。卷积层使用多个可学习的滤波器扫描输入，检测局部特征；激活函数引入非线性；池化层降低数据维度，增强模型平移不变性；全连接层完成最终分类。CNN在计算机视觉领域表现卓越，广泛应用于图像分类、目标检测等任务。典型的CNN架构包括LeNet、AlexNet、VGG等。