深度神经网络LeNet介绍

LeNet介绍

参考：

• 经典CNN之：LeNet介绍

• 深度学习 --- 卷积神经网络CNN（LeNet-5网络详解）

一、基本概念

1、感受野、权值共享和池化

卷积神经网络中有三个基本的概念：局部感受野（Local Receptive Fields）、共享权值(Shared Weights）、池化（Pooling)。 （1）局部感受野。对于一般的深度神经网络，往往会把图像的每一个像素点连接到全连接的每一个神经元中，而卷积神经网络则是把每一个隐藏节点只连接到图像的某个局部区域，从而减少参数训练的数量。例如，一张1024×720的图像，使用9×9的感受野，则只需要81个权值参数。对于一般的视觉也是如此，当观看一张图像时，更多的时候关注的是局部。 （2）共享权值。在卷积神经网络的卷积层中，神经元对应的权值是相同的，由于权值相同，因此可以减少训练的参数量。共享的权值和偏置也被称作卷积核或滤汲器。 （3）池化。由于待处理的图像往往都比较大，而在实际过程中，没有必要对原图进行分析，能够有效获得图像的特征才是最主要的，因此可以采用类似于图像压缩的思想，对图像进行卷积之后，通过一个下采样过程，来调整图像的大小。

2、全连接网络和局部连接网络

左图为全连接网络，右图为局部连接网络。

对于有4x4=16个像素点的图像，若有n个神经元，则需要权值数量：16n个。对于局部连接（实际上是感受野（receptive fields）的概念），若一个神经元连接4个像素，则对应4个权值（即​），如果采用权值共享（shared weights）（即其它神经元的权值也采用这个值），则同样的图像，只需4个神经元，权值数量为4x4=16个。

2、卷积核

利用感受野理论，通过局部连接和权值共享可以解决传统BP神经网络参数过多的问题，但采用局部连接会存在边缘过度不平滑的问题，即边缘效应。为了解决这个问题，引入采样窗口法使其彼此重叠，这和卷积类似，因此采样窗口就称为卷积核了。

若采样窗口为2x2，采用每次一个像素点地移动，就可避免边缘效应。

2、卷积操作

如下图所示，卷积核为（3x3）的方格，里面的数字和原始图像进行相乘求和。

通过卷积核就可以提取图片的特征和压缩图片了，其实卷积核就是一个二维的滤波器。

二、LeNet

手写字体识别模型LeNet5诞生于1994年，是最早的卷积神经网络之一。LeNet5通过巧妙的设计，利用卷积、参数共享、池化等操作提取特征，避免了大量的计算成本，最后再使用全连接神经网络进行分类识别，这个网络也是最近大量神经网络架构的起点。

LeNet5的网络结构示意图如下所示：

LeNet5由7层CNN（不包含输入层）组成，上图中输入的原始图像大小是32×32像素，卷积层用​表示，子采样层（pooling，池化）用​表示，全连接层用​表示。下面逐层介绍其作用和示意图上方的数字含义。

1、​层（卷积层）：6@28x28

该层使用了6个卷积核，每个卷积核的大小为5×5，这样就得到了6个feature map（特征图）。

（1）特征图大小

每个卷积核（5×5）与原始的输入图像（32×32）进行卷积，这样得到的feature map（特征图）大小为（32-5+1）×（32-5+1）= 28×28

卷积核与输入图像按卷积核大小逐个区域进行匹配计算，匹配后原始输入图像的尺寸将变小，因为边缘部分卷积核无法越出界，只能匹配一次，匹配计算后的尺寸变为​，其中​、​，​、​，​、​分别表示卷积后结果图像、输入图像、卷积核的行列大小。

（2）参数个数

由于参数（权值）共享的原因，对于同个卷积核每个神经元均使用相同的参数，因此，参数个数为（5×5+1）×6= 156，其中5×5为卷积核参数，1为偏置参数 （3）连接数

卷积后的图像大小为28×28，因此每个特征图有28×28个神经元，每个卷积核参数为（5×5+1）×6，因此，该层的连接数为（5×5+1）×6×28×28=122304

2、​层（下采样层、也称池化层）：6@14x14

（1）特征图大小 这一层主要是做池化或者特征映射（特征降维），池化单元为2×2，因此，6个特征图的大小经池化后即变为14×14。回顾本文刚开始讲到的池化操作，池化单元之间没有重叠，在池化区域内进行聚合统计后得到新的特征值，因此经2×2池化后，每两行两列重新算出一个特征值出来，相当于图像大小减半，因此卷积后的28×28图像经2×2池化后就变为14×14。 这一层的计算过程是：2×2 单元里的值相加，然后再乘以训练参数w，再加上一个偏置参数b（每一个特征图共享相同的w和b)，然后取sigmoid值（S函数：0-1区间），作为对应的该单元的值。卷积操作与池化的示意图如下：

（2）参数个数

S2层由于每个特征图都共享相同的w和b这两个参数，因此需要2×6=12个参数 （3）连接数

下采样之后的图像大小为14×14，因此S2层的每个特征图有14×14个神经元，每个池化单元连接数为2×2+1（1为偏置量），因此，该层的连接数为（2×2+1）×14×14×6 = 5880

3、​层（卷积层）：16@10x10

C3层有16个卷积核，卷积模板大小为5×5。 （1）特征图大小 与C1层的分析类似，C3层的特征图大小为（14-5+1）×（14-5+1）= 10×10 （2）参数个数 需要注意的是，C3与S2并不是全连接而是部分连接，有些是C3连接到S2三层、有些四层、甚至达到6层，通过这种方式提取更多特征，连接的规则如下表所示：

例如第一列表示C3层的第0个特征图（feature map）只跟S2层的第0、1和2这三个feature maps相连接，计算过程为：用3个卷积模板分别与S2层的3个feature maps进行卷积，然后将卷积的结果相加求和，再加上一个偏置，再取sigmoid得出卷积后对应的feature map了。其它列也是类似（有些是3个卷积模板，有些是4个，有些是6个）。因此，C3层的参数数目为（5×5×3+1）×6 +（5×5×4+1）×9 +5×5×6+1 = 1516 （3）连接数 卷积后的特征图大小为10×10，参数数量为1516，因此连接数为1516×10×10= 151600

4、​层（下采样层、也称池化层）：16@5x5

（1）特征图大小 与S2的分析类似，池化单元大小为2×2，因此，该层与C3一样共有16个特征图，每个特征图的大小为5×5。 （2）参数个数 与S2的计算类似，所需要参数个数为16×2 = 32 （3）连接数 连接数为（2×2+1）×5×5×16 = 2000

5、​层（卷积）：120

（1）特征图大小 该层有120个卷积核，每个卷积核的大小仍为5×5，因此有120个特征图。由于S4层的大小为5×5，而该层的卷积核大小也是5×5，因此特征图大小为（5-5+1）×（5-5+1）= 1×1。这样该层就刚好变成了全连接，这只是巧合，如果原始输入的图像比较大，则该层就不是全连接了。 （2）参数个数 与前面的分析类似，本层的参数数目为120×（5×5×16+1） = 48120 （3）连接数 由于该层的特征图大小刚好为1×1，因此连接数为48120×1×1=48120

6、​层（全连接层）：84

（1）特征图大小 F6层有84个单元，之所以选这个数字的原因是来自于输出层的设计，对应于一个7×12的比特图，如下图所示，-1表示白色，1表示黑色，这样每个符号的比特图的黑白色就对应于一个编码。

该层有84个特征图，特征图大小与C5一样都是1×1，与C5层全连接。 （2）参数个数 由于是全连接，参数数量为（120+1）×84=10164。跟经典神经网络一样，F6层计算输入向量和权重向量之间的点积，再加上一个偏置，然后将其传递给sigmoid函数得出结果。 （3）连接数 由于是全连接，连接数与参数数量一样，也是10164。

7、OUTPUT层（输出层）：10

Output层也是全连接层，共有10个节点，分别代表数字0到9。如果第i个节点的值为0，则表示网络识别的结果是数字i。 （1）特征图大小 该层采用径向基函数（RBF）的网络连接方式，假设x是上一层的输入，y是RBF的输出，则RBF输出的计算方式是：

上式中的Wij的值由i的比特图编码确定，i从0到9，j取值从0到7×12-1。RBF输出的值越接近于0，表示当前网络输入的识别结果与字符i越接近。 （2）参数个数 由于是全连接，参数个数为84×10=840 （3）连接数 由于是全连接，连接数与参数个数一样，也是840