Luận văn tập trung nghiên cứu kiến trúc mạng nơron tích chập (CNN) và ứng dụng của nó trong bài toán phân loại ảnh. Trước hết, luận văn trình bày tổng quan về học sâu, các thành phần cốt lõi của CNN như lớp tích chập, lớp gộp và hàm kích hoạt, cùng các kiến trúc tiêu biểu như LeNet, AlexNet, VGGNet và ResNet. Tiếp theo, tác giả tiến hành xây dựng và huấn luyện mô hình CNN trên các bộ dữ liệu ảnh phổ biến nhằm đánh giá hiệu quả phân loại. Kết quả thực nghiệm cho thấy mô hình CNN đạt độ chính xác cao trong việc nhận dạng và phân loại đối tượng, vượt trội hơn so với các phương pháp học máy truyền thống. Luận văn cũng phân tích các yếu tố ảnh hưởng đến hiệu suất mô hình như số lớp, kích thước bộ lọc và kỹ thuật tăng cường dữ liệu. Từ đó, nghiên cứu khẳng định tính hiệu quả và tiềm năng ứng dụng rộng rãi của CNN trong lĩnh vực thị giác máy tính.