Convolutional Neural Networks (CNN) merupakan salah satu jenis Artificial Neural Network (ANN) yang banyak digunakan dalam bidang Deep Learning. Jenis jaringan ini memiliki banyak aplikasi dalam analisis gambar dan video, pemrosesan bahasa alami, dan banyak bidang lainnya. CNN didasarkan pada konsep konvolusi, yaitu operasi matematika yang menggabungkan dua sinyal. Operasi konvolusi memungkinkan jaringan untuk mengidentifikasi fitur tertentu dari data masukan, sehingga cocok untuk tugas-tugas seperti klasifikasi gambar, deteksi objek, segmentasi, dan klasifikasi suara.
CNN biasanya terdiri dari lapisan masukan, beberapa lapisan konvolusional, satu atau lebih lapisan yang terhubung sepenuhnya, dan lapisan keluaran. Lapisan masukan mengambil vektor masukan, yang merupakan representasi gambar atau data lainnya. Lapisan konvolusional menerapkan operasi konvolusi pada vektor masukan untuk mengekstrak fitur tertentu darinya. Lapisan yang terhubung sepenuhnya kemudian menggabungkan fitur-fitur yang diekstraksi ini sebelum meneruskannya ke lapisan keluaran, yang menghasilkan keluaran yang diinginkan.
Biasanya, CNN dilatih menggunakan berbagai teknik pembelajaran yang diawasi, seperti algoritma pembelajaran yang diawasi atau propagasi mundur. Selama pelatihan, bobot CNN disesuaikan untuk meminimalkan metrik kesalahan untuk tugas yang diberikan.
CNN banyak digunakan dalam banyak aplikasi, seperti klasifikasi gambar, deteksi objek, segmentasi semantik, dan pemrosesan bahasa alami. CNN juga telah digunakan dalam berbagai macam aplikasi dalam visi komputer dan pemrosesan bahasa alami. Mereka telah digunakan untuk tugas-tugas seperti pengenalan wajah, deteksi objek, klasifikasi gambar, navigasi otonom, dan mengemudi otonom.
Dalam beberapa tahun terakhir, CNN menjadi lebih canggih karena kemajuan dalam kemampuan komputasi. Mereka sekarang mampu mengenali pola yang sangat kompleks dan melakukan tugas-tugas seperti pengenalan visual dan penalaran. Peningkatan ini juga memungkinkan penggunaan CNN dalam aplikasi seperti pengenalan wajah dan navigasi otonom.
