Les réseaux de neurones convolutifs appliquent de petits filtres appris sur l’ensemble d’une entrée pour détecter des motifs locaux — contours, textures, formes — et construire des caractéristiques de plus en plus complexes dans les couches profondes. LeCun et al. (1998) ont établi le CNN moderne pour la reconnaissance de documents, et Krizhevsky et al. (2012) ont lancé l’ère du deep learning lorsque leur CNN (AlexNet) a remporté le concours ImageNet avec une large avance.
Les CNN restent au cœur de la vision par ordinateur et sont souvent combinés aux Transformers dans les systèmes multimodaux.