神经网络的本质是进行信息格式的转换，但要进行数据的处理，如何将数据张量化，问题是ANN处理的数据必须是向量格式。 在图像这种数据类型中，如果将其展开为一维向量，则得到的向量维数过高，网络太深，网络中参数过多，图像中的空间信息也丢失。
另一方面，CNN可以通过卷积从原始信息中提取“与卷积核相关联的信息”的一部分，并在二维图像中被本机支持，因此保持图像中的空间信息，空间信息具有可平移的性质。
卷积神经网络的参数只有卷积核的参数和偏置(Bias )，卷积核的参数可以共享，卷积核也可以从多个角度解读原始图像。
这是卷积神经网络的一些特征：局部感知、参数共享、多核、平移不变性
根据这些特征，在图像区域处理中，CNN取代了ANN