全文字数：1610字，精读时间：3分钟

本文援引于报告《2021年中国神经网络模型系列研究（一）：卷积神经网络》，首发于头豹科技创新网（www.leadleo.com）。

头豹科技创新网内容覆盖全行业、深入垂直领域，行业报告每日更新；政策图录、数据工具助您轻松了解市场动态；智能关键词轻松搜索，直奔行业热点内容。

诚挚欢迎各界精英交流合作，头豹承接行业研究、市场调研、产业规划、企业研究、商业计划、战略规划等业务，您可发送邮件或来电咨询。

客服邮箱：CS@leadleo.com 咨询热线：400-072-5588

中国安防行业“十四五”发展规划，2021-2025年

2021年6月25日，为引领我国安防行业加快技术创新、深化市场应用、实现高质量发展，中国安全防范产品行业协会组织编制的《中国安防行业"十四五"发展规划（2021-2025年）》已于2021年6月10日中国安全防范产品行业协会第六届理事会第一次常务理事会上审议通过，现予以公布，请结合实际认真贯彻实施。安防行业的快速发展将有效助力卷积神经网络模型的运用，是此技术快速发展新动力，行业内人脸识别技术准确率高达97.1%，已超过人均平均数值。

卷积神经网络发展史及优势

卷积神经网络在图像和语音应用方面的能力相比其他模型更为出色，并且在《Text Understanding from Scratch》中进一步证明卷积神经网络可以在没有词汇、短语、句子和其它任何人类语言知识的情况下，对文本理解产出结果正确率达83.1%，并可运用于语言分析、语义分析、释义检测、语音识别等领域。

卷积神经网络架构

卷积神经网络主要由输入图像、卷积层、池化层、全连接层、输出组成。输入层代表每一张图片所拥有的像素矩阵主要包括长、宽、色彩，三维矩阵的深度代表是图像彩色通道。如黑白图片深度为1，而在RGB色彩模式中，图像深度为3，深度可简单理解为存储每个像素所需要的比特数。卷积层在神经网络中最为重要，与传统的连接层不同，卷积层中每个节点的输入只同上一层神经网络中的部分，常用大小为3*3、5*5，卷积层随着不断的累积会增加原始节点深度。池化层神经网络是不会改变三维矩阵的深度，但会缩小矩阵大小，其主要作用是降低原图片分辩率。全连接层的作用是将卷积层和池化层所产出结果的图像进行特征提出的过程。

卷积神经网络适用于安防行业正处快速增长态势

自2017年至2020年期间，卷积神经网络运用在消费电子领域中的占比从75%下降至45%而在安防、汽车、工业、医疗行业中，卷积神经网络在各行业中的占比呈上升趋势，而安防行业市场需求量从10%增长至30%，但随着安防行业的快速发展，伴随着个人隐私受保护等问题。相比海外市场针对人脸识别技术的运用市场受限主要涉及个人隐私问题宣布已停止运用，而中国本土市场正处于快速发展及运用阶段。

深度见解：卷积神经网络将助力安防行业快速发展

卷积神经网络是计算机视觉中核心模型，其图像识别、对比、图像检索、人脸识别等技术运用将助力安防行业协同发展，推动其产业链质量的硬件及软件提升。截止2020年，安防行业产值中，视频监控约占55%，出入口控制约占15%，实体防护约占18%，入侵报警约占5%，违禁品安检约占4%，其他约为3%，视频监控依然是安防行业内主流产值，预计出入口控制占比将逐年增大。

重点关注企业

通过深度研究卷积神经网络适用行业内优质企业，头豹建议重点关注旷视科技、依图科技、海康威视