Convolutional neural networks are deep learning architectures specialized for processing grid-like data, used in optical spectroscopy, polarization recovery, and medical imaging.عمل دقيق: تخيّل أن مصوراً يظهر فيلماً في غرفة حمراء. يضع الفيلم في حمام كيميائي، وتظهر الصورة ببطء على الورقة. تظهر الخطوط أولاً — تماماً كما في CNN، تستخلص الطبقة التلافيفية الأولى (مرشح منزلق 3×3) الخطوط الأفقية والعمودية. الطبقة الثانية تلاحظ الزوايا والأنسجة البسيطة، بينما تستطيع الخامسة تمييز أذن قطة. في نهاية العملية، تتجمع الصورة الواضحة من خرائط الخصائص المجردة.
تعود فكرة المجالات الاستقبالية المحلية إلى أعمال هوبل وويزل (Hubel & Wiesel) حول القشرة البصرية (عام 1959). في عام 1980، اقترح كونيهيكو فوكوشيما النيوكوجنيترون (Neocognitron) — شبكة هرمية للتعرف على الأنماط، مستوحاة من هذه الاكتشافات. أول CNN عملية ومفيدة صممها يان ليكون في عام 1989 (LeNet) للتعرف على الأرقام المكتوبة بخط اليد. ومع ظهور وحدات معالجة الرسوميات (GPU) ومجموعة ImageNet، أحدثت معماريات أليكس كريزيفسكي (AlexNet، 2012) ثم VGG وResNet وEfficientNet ثورة في الرؤية الحاسوبية.
تحسب الطبقة التلافيفية معامل الارتباط المتبادل بين الموتر المدخل والمرشحات. كل مرشح هو موتر أوزان صغير (مثلاً 3×3×عمق)، ينزلق بخطوة (stride) محددة. تُطبّق الصيغة: النتيجة[x,y] = الانحياز + مجموع على i,j,k للمقدار مدخل[x+i, y+j, k] × مرشح[i,j,k]. ثم تُطبّق دالة لاخطية (عادة ReLU). طبقة التجميع الأقصى (Max Pooling) تستبدل النافذة بالقيمة القصوى، مما يقلل الحجم. تستطيع الشبكات العميقة تعلم تسلسل هرمي للخصائص من الانحدارات البسيطة إلى الأشياء المعقدة.
كاميرا الهاتف التي تركز تلقائياً على الوجوه؛ الصور الطبية حيث يجد البرنامج الأورام.
شبكة GoogLeNet (عام 2014) احتوت على 'شبكات مصغرة' تُسمى وحدات ابتداء (Inception modules)، كانت تنظر إلى الصورة بمرشحات بأحجام مختلفة في الوقت نفسه — كما لو أن عدة أشخاص ينظرون إلى صورة واحدة بعدسات مكبرة مختلفة.




















