最初模型的建立：
1959年，Hubel & Wiesel发现动物视觉皮层中的细胞负责检测感受野(receptive fields)中的光线。论文：Receptive fields and functional architecture of monkey striate cortex(1968)
1980年，Kunihiko Fukushima提出新认知机(neocognitron)，被认为是CNN的前身。论文：A self-organizing neural network model for a mechanism of visual pattern recognition(1982)
1990年，LeCun建立了CNN的现代框架。论文：Handwritten digit recognition with a back-propagation network(1989NIPS)
1998年，LeCun改进CNN，他们开发了一个名为LeNet-5的多层人工神经网络，可以对手写数字进行分类。与其他神经网络一样，LeNet-5具有多个层，可以通过反向传播算法进行训练。它可以获得原始图像的有效表示，这使得从原始像素直接识别视觉模式成为可能，而且很少进行预处理。论文：Gradient-based learning applied to document recognition(1998)
1990年，Zhang使用一个平移不变性的人工神经网络(SIANN)，识别图像的字符。但由于当时缺乏大量的训练数据和计算能力，他们的网络在更复杂的问题，例如大规模的图像和视频分类方面不能很好地运行。论文：Parallel distributed processing model with local space-invariant interconnections and its optical architecture(1990)
2015年，Krizhevsky提出一个经典的CNN架构，即AlexNet。它显示了在图像分类任务上根据以前方法的重大改进，在整体结构上与LeNet-5类似，但深度更深。论文：Imagenet large scale visual recognition challenge(2015IJCV)
后续模型的改进：
ZFNet 论文：Visualizing and understanding convolutional networks(2014ECCV)
VGGNet 论文：Very deep convolutional networks for large-scale image recognition(2015ICLR)
GoogleNet 论文：Going deeper with convolutions(2015CVPR)
ResNet 论文：Deep residual learning for image recognition(2016CVPR)
从架构的演变来看，一个典型的趋势是网络正在变得越来越深。通过增加深度，网络可以更好地近似（逼近）目标函数，增加非线性，并得到更好的特征表示。然而，这也增加了网络的复杂性，使网络变得更难以优化、更容易过拟合。在此基础上，提出了解决这些问题的各种方法。
