Un réseau de neurones à convolution est un certain type d'arrangement de neurones artificiels, ou des simulateurs de neurones, qui est faite pour fonctionner d'une manière particulière. Les réseaux de neurones sont des groupes de neurones biologiques, artificiels ou des groupes de pseudo-neurones qui sont programmés pour fonctionner de la même manière que les neurones biologiques. Les réseaux neuronaux artificiels cherchent à imiter les fonctions du cerveau humain ou animal. Dans la plupart des cas, un réseau de neurones à convolution est tout simplement un réseau neuronal artificiel fait de simuler une sorte d'activité cérébrale. Les experts appellent ces modèles "d'inspiration biologique." Certains d'entre eux peuvent également être capables d'apprendre de la façon dont un réseau de neurones biologiques apprend, à travers le traitement de l'information de façon très complexe. Parmi les utilisations les plus répandues de réseaux de neurones à convolution est la simulation de la vision humaine ou animale. Ces applications se concentrent souvent sur la combinaison d'entrée et de sortie qui aident à la technologie faire artificiellement ce que le cerveau fait naturellement. Beaucoup de méthodes complexes, parfois appelées couches, sont nécessaires pour réaliser ce genre de simulation. Ceux-ci sont souvent présentés par des modèles visuels qui aident les lecteurs à comprendre comment un réseau de neurones à convolution est mis en place. En général, les scientifiques qui mettent en œuvre des réseaux de neurones à convolution ont compris quelques-unes des façons précises que les images des cerveaux processus. L'intelligence artificielle a progressé ces derniers temps, et maintenant, les scientifiques peuvent faire des technologies de réaliser certaines des tâches qui étaient autrefois exclusif de la vision biologique. L'un d'eux est la reconnaissance faciale, où des algorithmes avancés permettent caméras et autres dispositifs pour assurer un dépistage efficace et images reconnaître un visage individuel. Plusieurs types de modèles sont faits pour reconnaître des caractéristiques différentes pour analyser une image entière qui simule un champ de vision. Certaines de ces technologies ont aussi d'avoir des filtres avancés pour certaines gammes de lumière, ou d'autres outils qui aident les technologies de «voir» dans la façon dont les humains et les animaux font. Réseaux de neurones à convolution doivent être rigoureusement testés et évalués selon leurs mérites, où la réalisation spécifique des résultats prouve que ces technologies peuvent imiter le cerveau humain ou animal, au moins dans une certaine mesure. Les réseaux de neurones à convolution sont également faits pour diverses applications. Ceux-ci comprennent des produits de consommation comme les appareils photo utilisent la reconnaissance faciale. Il existe également de nombreuses applications de sécurité pour ces types de technologies, et l'utilisation de réseaux de neurones à convolution comme une donnée puissants tamisage des ressources. Les scientifiques continuent de travailler sur la réalisation d'une plus grande complexité de ces simulateurs, par exemple, en vérifiant le nombre de visages dans une image, ou d'être en mesure d'identifier correctement les visages dans différentes échelles, de l'éclairage, ou d'autres conditions.