神经网络学习（三）：LeNet原理

一、LeNet-5

1. 网络结构：

特征提取部分（目标检测）：两个卷积层+两个池化层

全连接层（分类）：三个全连接层

2、模型单元结构

一个卷积层，一个sigmod，一个池化层

3、网络参数：LeNet-5

卷积操作使通道数增加，池化操作使特征图变小。

高性能的卷积神经网络：降低空间分辨率，增加通道数。

卷积块编码得到的表征输出之前，又全连接层进行处理。