卷积神经网络——LeNet网络

LeNet网络是一种经典的卷积神经网络(Convolutional Neural Network，CNN)，由Yann LeCun等人于1998年提出，LeNet的设计初衷是用于识别手写数字的邮政编码和地址。LeNet网络结构相对简单，不包括输入层的情况下，共有7层：2个卷积层、2个下采样层（池化层）、3个全连接层，各层次具体功能如下：

1. 卷积层(Convolutional Layer)：每个卷积层包含一个卷积核(filter)，卷积核通过滑动窗口的方式在输入图像上进行卷积运算，提取图像的特征，从而产生一系列的特征图(feature maps)。
2. 池化层(Pooling Layer)：用于降低特征图的空间尺寸，减少参数数量。
3. 全连接层(Fully Connected Layer)：将池化层的输出连接到全连接层，用于进行分类。

在LeNet中，最终使用softmax激活函数将网络的输出映射为类别概率，选择其中概率最大的选项作为分类结果。

图1  LeNet网络结构