쉽게 요약하면 이미지가 들어오면 이미지를 데이터화한답시고 쪼개버리는게 아니라 그냥 이미지 통쨰로 그 위에 행렬로 특징 따서 모델학습하는 것

이미지 및 비디오 데이터 처리를 위해 설계된 딥러닝 모델의 한 유형
이미지가 가진 공간적 구조(2D)를 유지하면서 효과적으로 특징을 추출하도록 설계됨

CONV (Convolutional Layer) : 이미지에서 특징을 추출하는 핵심 연산. 필터를 사용하여 입력 이미지의 공간적 구조를 유지하면서 특징 맵(Feature Map)을 생성

RELU (Rectified Linear Unit) : 합성곱의 결과에 적용되는 비선형 함수

POOL (Pooling Layer) : 특징 맵의 크기를 줄여 계산량을 감소시키고, 추출된 특징이 위치 변화에 덜 민감하도록(강건하게) 만드는 다운샘플링(Downsampling) 연산