Konwolucyjne sieci neuronowe reprezentują algorytmy uczenia głębokiego, które w ostatnich latach dominują w dziedzinie uczenia maszynowego i sztucznej inteligencji. Uczenie głębokie realizowane wieloetapowo w architekturze hierarchicznej pozwala na wykrywanie podstawowych i wtórnych cech rozpoznawanych obiektów, reprezentujących różne poziomy abstrakcji (uczenie się reprezentacji). Dzięki temu jest szczególnie przydatne w rozpoznawaniu złożonych obiektów, np. na zdjęciach lub reprezentowanych przez sygnały dźwiękowe. Sieć konwolucyjna może z powodzeniem uchwycić zależności czasowe i przestrzenne obrazu za pomocą odpowiednich filtrów.