名词解释 / 07
卷积神经网络
英文名称：Convolutional Neural Network（缩写 CNN） 常见别名：卷积网络、ConvNet 所属分类：进一步了解 AI 原理
一句话解释
一种特别擅长“看图片”的 AI 模型。它借鉴人眼分层识物的方式：先用一个小窗口在整张图上逐格扫过，抓出边缘、颜色变化这些最基础的细节，再一层层拼出纹理、形状，最后认出完整的物体。经过大量带标注的图片训练后，它能对没见过的图片做判断，比如里面有没有瑕疵、是什么物品、上面写了什么字。名字里的“卷积”，指的就是那个在图上滑动的小窗口。
工作中什么时候会遇到
你在办公软件里“上传一张图、得到结果”的不少功能，背后就有它。比如拍发票、单据、名片自动转成文字或表格，门禁刷脸考勤，把一堆产品图自动归类。对这类功能，你通常只看到结果，不需要直接和算法打交道。需要说明的是：能直接“看懂并描述一张图”的对话式 AI，通常属于多模态大模型，不是传统 CNN，别把两种能力混为一谈。
如果公司上了“机器视觉”或“AI 视觉检测”设备，用来在生产线上自动挑出外观不合格的产品，那核心通常就是 CNN 模型。这也是普通员工最可能直接接触 CNN 的场景。
能解决什么问题
- 把图片里的字变成能编辑的文字和表格：财务、行政拍发票和报销单，销售拍名片和合同，省去手工录入。
- 自动找出图片里的异常：产品划痕、脏污、漏装、标签贴歪、包装破损这些靠人眼盯容易漏的外观问题，机器可以不知疲倦地逐件检查。
- 给图片自动分类、归档和检索：把大量产品图、现场照片按内容归类；拿实物照片去找同类产品、备件或对应说明书。
- 做人脸和物体识别：刷脸考勤、门禁、进出区域的人员识别，判断“来的是不是登记过的人”。
- 把人从重复“瞪眼”的工作里解放出来：机器先做第一遍筛查，人只复核可疑结果，既提高覆盖面，又保留人工把关。
举个例子
一家生产医疗器械塑料小零件的工厂，客户对零件表面一种波浪状外观瑕疵（叫“流纹”）的缺陷率提出异议，人工抽检保证不了每一件都被看到。工厂给注塑生产线加装基于 CNN 的视觉检测系统：相机给流过的每一件产品拍照（输入），模型判断有没有流纹（处理），检出可疑件就自动剔除到废品箱（输出）。被剔除的每一件仍由质检员人工复核，复核结果同时用来持续评估系统判得准不准；批次最终能否出厂，仍按原有的抽检制度放行，不因上了 AI 就取消这道人工把关。
怎么使用
对普通员工来说，CNN 大多藏在现成功能里：在办公 AI 里直接发图片提问、用拍照识别转文字表格、用系统自带的视觉检测功能，都不需要理解底层怎么工作。具体哪些看图能力能用、效果如何，以当前版本和官方说明为准。
如果想在公司里用 CNN 做专属识别（比如识别自家特有的缺陷类型或设备外观），通常由供应商或公司技术人员完成：收集大量带标注的图片样本训练模型、在真实环境验证准确率、再接入现有流程。员工的主要角色是提供真实样本、反馈漏检和误报，而不是自己搭建模型。
使用时要注意什么
CNN 是“认图”不是“理解图”，只对训练过的东西可靠。光照变化、拍摄角度、反光、遮挡和图片模糊都会明显影响准确率，超出训练范围的新情况它可能毫无察觉地漏掉。机器判错的两类问题都要警惕：漏检会把问题产品放过去，误报会把好产品当废品剔除，造成产量损失和成本浪费。所以凡是涉及质量判定和金额判断的场合，关键结果要有人员复核。
另外，把含人脸、客户信息、内部单据的照片上传到任何 AI 工具前，先确认符合公司的数据安全要求。识别类产品能力更新快，具体边界和准确率以当前版本和官方说明为准。
容易混淆的词
- 神经网络：范围更大的概念，泛指模拟人脑神经元连接方式的一类算法。CNN 是其中专攻图像等“网格状”数据的一种。
- 深度学习：一种训练多层神经网络的方法。CNN 是深度学习方法在图像识别领域的代表模型，两者是“方法”和“具体模型”的关系。
- 大语言模型／多模态模型：办公 AI 的对话问答背后主要是它。现在很多 AI 能“看图”，靠的是能同时处理文字和图片的多模态能力，视觉部分往往用的是更新架构，不等于 CNN。
- OCR／文字识别：范围更窄，只负责把图片里的文字提取出来。CNN 常是这类系统的底层环节之一，但“识别整张图”和“读出上面的字”不是一回事。