卷積神經網路（Convolutional Neural Networks）是人工智慧中很火的研究領域，卷積網路是為識別二維形狀而特殊設計的一個感知認知器。
方法/步驟
深度卷積網路的最終都會應用於機器設覺中，這對於計算機視覺研究領域有著很重要的推動作用。
對於靜態影象識別中，只需要一張影象中的靜態特徵進行學習，在行為識別中則需要對視訊中的播放幀的運動特徵進行學習。
視訊識別需要考慮空間域中畫素的關係，在這裡需要引入空間複雜度，空間複雜度是計算機所需要的儲存單元數量。
基於人工設計的特徵與計算神經學理論中，它可能依賴於特定的資料集。而人類大腦可以自主從大量無標籤資料中學習到特徵。
在近些年來中，機器學習帶來了很多科技上的突破，而把深度卷積應用在機器學習中，就可以有效的利用現有的科技成就。
對於利用卷積神經網路去處理目標識別，可以採用無監督方式進行。
深度學習是現在很流行的機器學習方式，怎麼去認知網路的過程是接下來我們需要不斷探索的過程。
注意事項
繼續學習，加油！