讓我們對卷積神經網絡如何工作形成更好直觀感受。我們先看下人怎樣識別圖片，然后再看 CNNs 如何用一個近似的方法來識別圖片。
比如說，我們想把下面這張圖片識別為金毛巡回犬。
一個需要被識別為金毛巡回犬的圖片
人類是怎么做的呢？
一種做法是我們識別狗的特定部位，例如鼻子，眼睛，毛發。我們把圖片分成小片，識別小片，然后把這些結合在一起，得到一個狗的概念。
這種情況下，我們可以把圖片分成下列組合：
- 一個鼻子
- 兩只眼睛
- 金色毛發
如下圖所示：
狗的眼睛
狗的鼻子
狗的毛發
再進一步
再進一步來說，我們如何確定鼻子在哪呢？一個金毛巡回犬的鼻子可以看出是一個橢圓形，有兩個黑洞在里面。因此，一種辨別巡回犬鼻子的方法是把它分割更小的區域，尋找黑洞（鼻孔）和橢圓的曲線。如下所示：
一個可以用來確定鼻子的曲線
用來分類狗鼻子的鼻孔
廣義上來說，這就是 CNN 的學習方式。它學習識別基本的直線，曲線，然后是形狀，點塊，然后是圖片中更復雜的物體。最終 CNN 分類器把這些大的，復雜的物體綜合起來識別圖片。
在我們的例子中，層級關系是：
- 簡單的形狀，如橢圓，暗色圓圈
- 復雜的物體（簡單形狀的組合），例如眼睛，鼻子，毛發
- 狗的整體（復雜物體的組合）
有了深度學習，我們不需要設定 CNN 來識別特定的特征。相反，CNN 通過正向和反向傳播，自己學習識別上述物體。
盡管我們從來沒有讓 CNN 尋找特定的特征信息，但是它識別圖片的能力卻好的驚人！
對狗圖片每一層 CNN 可能識別物體的示意圖
CNN 可能有幾層網絡，每個層可能捕獲對象抽象層次中的不同級別。第一層是抽象層次的最底級，CNN 一般把圖片中的較小的部分識別成簡單的形狀，例如水平、豎直的直線，簡單的色塊。下一層將會上升到更高的抽象層次，一般會識別更復雜的概念，例如形狀（線的組合），以此類推直至最終識別整個物體，例如狗。
再次強調，CNN 是自主學習。我們不需要告訴 CNN 去尋找任何直線、曲線、鼻子、毛發等等。CNN 從訓練集中學習並發現金毛巡回犬值得尋找的特征。