【论文笔记】LeNet-5

最新推荐文章于 2023-10-03 13:31:13 发布

：Orange

最新推荐文章于 2023-10-03 13:31:13 发布

阅读量720

点赞数 2

文章标签：深度学习计算机视觉 cnn

本文链接：https://blog.csdn.net/m0_46323012/article/details/122471254

版权

LeNet-5是Gradient-Based Learning Applied to Document Recognition论文中提出的手写字符识别卷积神经网络，包含7层结构，如C1-S2-C3-S4-C5-F6-Output，其设计思想包括局部感受野、权值共享和下采样。通过这些设计，LeNet-5有效地减少了参数数量，提高了模型效率。论文中详述了每一层的参数和功能，如卷积层的特征映射和池化层的下采样，展示出卷积网络在利用图像结构信息方面的优势。

摘要由CSDN通过智能技术生成

论文：Gradient-Based Learning Applied to Document Recognition
一、前言
LeNet-5出自论文Gradient-Based Learning Applied to Document Recognition，是一种用于手写体字符识别的非常高效的卷积神经网络。

LeNet5 这个网络虽然很小，但是它包含了深度学习的基本模块：卷积层，池化层，全链接层。是其他深度学习模型的基础。
在这里插入图片描述
LeNet-5共有7层，不包含输入，每层都包含可训练参数；每个层有多个Feature Map，每个FeatureMap通过一种卷积滤波器提取输入的一种特征，然后每个FeatureMap有多个神经元。
–C层代表的是卷积层，通过卷积操作，可以使原信号特征增强，并降低噪音。
–S层是一个下采样层，利用图像局部相关性的原理，对图像进行子抽样，可以减少数据处理量，同时也可保留一定的有用信息。