考虑下面的图片:
如上图所示，X与O的图片表示，每个图片相似但不同。
对于人类，识别出这些图片，不费吹灰之力；但对于计算机，正确识别这些图片是有难度的，因为每个图片都不同，不能通过简单的比较来识别。
如前所述，图片在计算机中以像素的方式存储，如果用“1”表示黑色，“-1”表示白色，一个图片可以表示为：
虽然不能通过简单比较整张图片来识别，但是图片的一些局部特征是一样的，可以通过这些局部特征的比较来识别图片。
如上图所示，可以看到这2个图中有3个小块是一样的。
取这些小块，试着将它们匹配到各个图中的相应位置，看看是否匹配，就能得出这两个图是否相似。这被称为patch匹配，这些小块被称为过滤器。
这就相当于如果我们要在一张照片中进行人脸定位，但是CNN不知道什么是人脸，我们告诉它：人脸上有三个特征，眼睛鼻子嘴巴是什么样，再告诉它这三个长啥样，只要CNN去搜索整张图，找到了这三个特征在的地方就定位到了人脸。