Свёрточные нейронные сети (CNN) решают некоторые проблемы, связанные с архитектурой многослойных перцептронов (MLP), за счёт следующих особенностей:

• Использование общих весов. 2 В CNN нейроны имеют общий вес, в отличие от перцептронов, где каждый нейрон имеет отдельный вектор весов. 2 Это сокращает общее число обучаемых весов и уменьшает количество вычислений и параметров в сети. 2
• Уменьшение размерности. 5 В CNN используется уменьшение размерности, что позволяет распознавать объекты вне зависимости от масштаба и местоположения на картинке. 5
• Учёт информации о топологии. 5 В CNN анализируются соседние пиксели не только по горизонтали, но и по вертикали. 5
• Работа с ядром, которое перемещается по входным данным. 4 Это делает CNN независимыми от трансляции, например, позволяет обнаруживать объекты независимо от размера и положения на изображении. 4

Благодаря этим особенностям CNN часто оказываются эффективнее для решения проблем компьютерного зрения, чем классические MLP. 4