图 : 卷积神经网络的层次性特征提取（左图-底层：边缘；中间-中层：图形；右图-高层：人脸、物体等）
卷积网络中的降采样层（或池化层）会逐步减少特征图的分辨率，使得越深层的卷积核提取的特征"视野"越大，模式也越"抽象"。如图所示，底层提取简单的线条，中层提取一些简单的形状，高层提取台阶、人脸等高级模式。
此外，CNN 在不同数据上所学习到的模式（卷积核）也是不一样的：用于动物识别的 CNN 学到的可能是头、尾、腿等特征，用于花草识别的 CNN 学到的可能是花瓣、花蕊、叶片等特征。
图 **:**不同数据上CNN 学习到的模式特征
从这个角度看，CNN 其实是记忆了数据中的主要特征，并且这些特征是分层次地组织起来，由局部到全局，由具体到抽象。这有点儿像我们的大脑，把见过的形象分层次地组织并记忆下来。
图 **:**卷积神经网络的特征分层组织与记忆