W rezultacie sieć uczy się filtrów, które aktywują się, gdy wykryje konkretną cechę w pewnej pozycji przestrzennej w danych wejściowych.
Łączność lokalna mały|395x395px| Typowa architektura CNN W przypadku danych wejściowych o dużym rozmiarze, takich jak obrazy, łączenie neuronów ze wszystkimi neuronami z poprzedniej warstwy jest niepraktyczne, ponieważ taka architektura sieci nie uwzględnia przestrzennej struktury danych. Sieci splotowe wykorzystują lokalną korelację przestrzenną, wymuszając rozrzedzenie pomiędzy neuronami sąsiadujących warstw: każdy neuron jest połączony tylko z małym obszarem danych wejściowych.
Warstwa łączenia (pooling) mały|311x311px| Przykład zastosowania łączenia wartości maksymalnych macierzy 2x2 z krokiem 2 mały|314x314px| Łączenie wartości maksymalnych z filtrem 2x2 i krokiem = 2 Inną ważną koncepcją sieci CNN jest łączenie, które jest stosowane jako forma nieliniowego próbkowania w dół. Grupowanie umożliwia zmniejszenie próbkowania, ponieważ zmniejsza wymiary przestrzenne (wysokość i szerokość) map cech wejściowych, zachowując jednocześnie najważniejsze informacje. Istnieje kilka nieliniowych funkcji implementujących grupowanie, przy czym najczęściej stosowane są funkcje maksymalnego i średniego łączenia .