卷积神经网络（CNN）是一种包含卷积计算且具有深度结构的前馈神经网络，是深度学习领域的代表算法之一。

CNN主要应用于计算机视觉领域，其特点包括表征学习、平移不变性和权值共享等。这些特点使得CNN在图像分类、物体检测等任务中表现出色。

CNN的基本结构包括卷积层、池化层和全连接层。卷积层负责从输入图像中提取特征，池化层则对提取的特征进行降维处理，以减少计算量并提高网络性能。全连接层则将网络中的所有节点相互连接，用于分类任务。

CNN的研究始于20世纪80至90年代，但随着深度学习理论的提出和数值计算设备的改进，CNN得到了快速发展和应用。现在，CNN已广泛应用于图像识别、目标检测、人脸识别、自然语言处理等领域。