Lenet-5:由Yann LeCun教授于1998年在其论文《Gradient-Based Learning to Applied to Document Recognition》中提出,这篇论文是CNN领域的开篇之作。Lenet-5是一个专门为手写数字识别而设计的最经典卷积神经网络,在20 世纪90年代广泛用于美国银行支票手写字识别。 LenNet-5共有8层(包括输入层和输出层),输入图像大...
上图是LeNet-5的经典结构,它一共有七层(不包含输入层),分别是两个卷积层,两个池化层,3个全连接层(其中最后一个全连接层为输出层) 结构分析 首先输入是一个32x32的图片,通过六个5x5x1的卷积核对其进行卷积,产生6幅28x28的卷积特征图,然后这6幅特征图又经过2x2的池化提取,变成6幅14x14的特征图,这样第一...