Bei einem Convolutional Neural Network handelt es sich um eine künstliches Neurales Netz welches im Bereich des Deep-Learning Anwendung findet.

Convolutional Neural Networks (CNNs) sind neuronale Netzwerke, die die Verarbeitung von Bildern des menschlichen visuellen Kortexes nachahmen. Sie werden hauptsächlich im Bereich der Muster- und Bilderkennung (Computer Vision) verwendet. Dabei werden kleine Fenster (oft als „Kernel“ oder „Filter“ bezeichnet) über das Eingabebild (oder andere Daten) bewegt und eine mathematische Operation (in der Regel eine gewichtete Summe) auf die darunterliegenden Daten ausgeführt. Durch die Verwendung von mehreren Schichten kann ein CNN verschiedene Merkmalen erlernen und erkennen. Dabei werden mit lernfähigen Kernels die Eigenschaften des Bildes extrahiert. Mehrere Kernels sind dabei für unterschiedliche Stellen des Bildes zuständig, was dieses Verfahren (v.a. in der Bildverarbeitung) sehr effizient macht. CNNs haben den Vorteil, dass sie keine manuelle Merkmalsextraktion benötigen. Durch ihre vielzähligen Parameter sind sie jedoch sehr langsam und rechenintensiv.

• Convolutional Neural Network (2017)

  Phil Kim MATLAB Deep Learning p121-147

  Apress DOI:10.1007/978-1-4842-2845-6_6
• Convolutional neural networks: an overview and application in radiology (2018)

  Rikiya Yamashita, Mizuho Nishio, Richard Kinh Gian Do, Kaori Togashi Insights into Imaging 9/4 p611-629

  Springer Science and Business Media LLC DOI:10.1007/s13244-018-0639-9
• Deep learning mit Python und Keras. Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek. Frechen: mitp. (2018)
  François Chollet