Introducción

Las redes convolucionales (CNN) surgieron a finales de los años 80 y principios de los 90, siendo pioneros en este campo como Kunihiko Fukushima en su trabajo Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position en 1980 o Yann LeCun en su trabajo Backpropagation Applied to Handwritten Zip Code Recognition en 1989.

LeCun desarrolló una arquitectura conocida como LeNet-5, que fue una de las primeras CNN utilizadas para tareas de reconocimiento de dígitos escritos a mano (esta base de datos es conocida como MNIST).

Las CNNs son una forma de redes neuronales artificiales en las cuales las "neuronas" se corresponden con campos receptivos de manera similar a las neuronas en la corteza visual primaria de un cerebro biológico.

Aunque son una variante de los perceptrones multicapa, su enfoque en matrices bidimensionales las hace altamente efectivas para aplicaciones de visión artificial, incluyendo la clasificación y segmentación de imágenes, entre otras tareas.