CNNモデルの畳み込み層とプーリング層の数について

機械学習の初学者です．
畳み込み層とプーリング層というものがいまいち理解できなく，困っています．
このプログラムでは層がmodel.addのたびに1層追加されており，合計18層になっているという認識であっているでしょうか？？

ソースコード

python
1from keras.models import Sequential
2from keras.layers import Conv2D, MaxPooling2D
3from keras.layers import Activation, Dropout, Flatten, Dense
4from keras.optimizers import RMSprop 
5
6from keras.utils import np_utils
7import keras
8import numpy as np
9
10classes = ["dog", "cat"]
11num_classes = len(classes)
12image_size = 64
13
14"""
15データを読み込む関数
16"""
17def load_data():
18    X_train, X_test, y_train, y_test = np.load("./dog_cat.npy", allow_pickle=True)
19    # 入力データの各画素値を0-1の範囲で正規化(学習コストを下げるため)
20    X_train = X_train.astype("float") / 255
21    X_test  = X_test.astype("float") / 255
22    # to_categorical()にてラベルをone hot vector化
23    y_train = np_utils.to_categorical(y_train, num_classes)
24    y_test  = np_utils.to_categorical(y_test, num_classes)
25
26    return X_train, y_train, X_test, y_test
27
28"""
29モデルを学習する関数
30"""
31def train(X, y, X_test, y_test):
32    model = Sequential()
33
34    # Xは(1200, 64, 64, 3)
35    # X.shape[1:]とすることで、(64, 64, 3)となり、入力にすることが可能です。
36    model.add(Conv2D(32,(3,3), padding='same',input_shape=X.shape[1:]))
37    model.add(Activation('relu'))
38    model.add(Conv2D(32,(3,3)))
39    model.add(Activation('relu'))
40    model.add(MaxPooling2D(pool_size=(2,2)))
41    model.add(Dropout(0.1))
42
43    model.add(Conv2D(64,(3,3), padding='same'))
44    model.add(Activation('relu'))
45    model.add(Conv2D(64,(3,3)))
46    model.add(Activation('relu'))
47    model.add(MaxPooling2D(pool_size=(2,2)))
48    model.add(Dropout(0.25))
49
50    model.add(Flatten())
51    model.add(Dense(512))
52    model.add(Activation('relu'))
53    model.add(Dropout(0.45))
54    model.add(Dense(2))
55    model.add(Activation('softmax'))
56
57    # https://keras.io/ja/optimizers/
58    # 今回は、最適化アルゴリズムにRMSpropを利用
59    opt = RMSprop(lr=0.00005, decay=1e-6)
60    # https://keras.io/ja/models/sequential/
61    model.compile(loss='categorical_crossentropy',optimizer=opt,metrics=['accuracy'])
62    model.fit(X, y, batch_size=28, epochs=40)
63    # HDF5ファイルにKerasのモデルを保存
64    model.save('./cnn.h5')
65
66    return model
67
68"""
69メイン関数
70データの読み込みとモデルの学習を行います。
71"""
72def main():
73    # データの読み込み
74    X_train, y_train, X_test, y_test = load_data()
75
76    # モデルの学習
77    model = train(X_train, y_train, X_test, y_test)
78
79main()