一句话定义：卷积神经网络（Convolutional Neural Network，CNN）是一类专门处理网格状数据（图像、语音频谱、时序信号）的神经网络，它用一个个小窗口在输入上滑动扫描，反复提取从边缘到物体的层次化特征。
它是怎么"看"的
想象你拿着一张照片找线索，但手里只有一枚 3×3 的小印章。你不会一次看完 1 亿个像素，而是把印章盖在左上角，看看这九宫格里有几条斜线；挪一格，再盖一次；扫完整张图，得到一张"哪里有斜线"的新图。这枚印章就是卷积核（kernel / filter），盖下去的动作是卷积，得到的结果叫特征图（feature map）。
两个关键设计让它比"笨办法"聪明得多：
权重共享。印章上的九个数字（权重）在整张图上保持不变——检测左上角的斜线和右下角的斜线用的是同一套参数。这既大幅减少了参数量，也带来一个天然好处：猫出现在画面左边还是右边，都会被同一个"斜线检测器"捕捉到，这就是平移不变性。
层次堆叠。第一层卷积核只看得见几像素宽的边缘和色块；第二层把边缘拼成拐角、纹理；第三层拼出眼睛、轮子；更深的层才组合出"猫脸""汽车"。这和人看图的顺序很像：先看到轮廓，再认出物体。
中间还夹着池化（pooling）——把特征图缩小取样，保留"这一片有斜线"这个结论，丢掉精确坐标，让网络对小幅位移更宽容。
和相邻概念的区别
| 对比项 | 全连接网络（MLP） | CNN |
|---|---|---|
| 连接方式 | 每个输入连到每个神经元 | 只看局部窗口 |
| 参数来源 | 每个连接一套权重 | 整张图共用一套卷积核 |
| 空间结构 | 打平后丢失 | 保留"相邻"关系 |
| 适合数据 | 表格、少量特征 | 图像、语音、信号 |
和 Transformer 相比，CNN 的归纳偏置（inductive bias）更强——它"预设"了局部性和平移不变性，因此在数据量有限时往往更省样本、更省算力；而 Transformer 靠注意力机制全局建模，数据充足时上限更高。两者并非替代关系，很多模型会把卷积和注意力混着用。
对你的实际意义
对从业者：CNN 仍是图像分类、目标检测、医学影像、工业质检等任务的主力骨架，理解"卷积核大小、步长、通道数、池化"这几个旋钮，比背诵网络结构更有用。迁移学习时，直接拿预训练模型微调，通常比从零训练更划算——具体可用的模型和许可，以官方页面为准。
对普通职场人：你手机相册的"人脸归类"、电商的"拍立淘"、短视频的自动字幕和滤镜，背后大概率有 CNN 在跑。它提醒我们一件事——复杂问题未必需要复杂的全局解，用一个简单规则在局部反复执行，再把结果层层叠加，往往就能涌现出惊人的能力。这也是深度学习中"局部简单 + 层次组合"这一思路最漂亮的示范。