卷积神经网络（CNN）在图像识别任务中的工作主要包括以下几个步骤：
- 提取特征：通过卷积层来提取图像的局部特征。每个卷积核会对应提取一种特定的视觉特征，如边缘或者纹理。
- 池化层：池化层紧跟在卷积层之后，目的是降低特征图的空间维度，减少计算量，并提取主要特征。
- 全连接层：将各个部分的特征汇总起来，形成全局特征表示。
- 分类器：最后接一个分类器，通常是Softmax或SVM等，根据前面提取的特征来进行预测识别。
总的来说，CNN能够有效地从原始像素数据中自动学习到有用的特征，并且适合于处理具有空间关系的数据，这使其在图像识别领域取得了巨大的成功。
