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:
- 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)。
- 池化层(Pooling Layer):用于降低特征图的空间尺寸,减少参数数量。
- 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