As redes neurais convolucionais aplicam pequenos filtros aprendidos sobre a entrada para detectar padrões locais — bordas, texturas, formas — e compor características complexas nas camadas mais profundas. LeCun et al. (1998) estabeleceram a CNN moderna para reconhecimento de documentos, e Krizhevsky et al. (2012) deram início à era do deep learning quando sua CNN (AlexNet) venceu a competição ImageNet por ampla margem.
As CNNs continuam centrais para a visão computacional e muitas vezes são combinadas com Transformers em sistemas multimodais.