计算机视觉-卷积神经网络CNN之LeNet

本文主要是介绍计算机视觉-卷积神经网络CNN之LeNet，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一. LeNet网络结构

二. LeNet结构剖析

LeNet是卷积神经网络之父Yann Lecun在1998年提出，用于解决手写数字识别的视觉任务。LeNet是如今各大深度CNN模型的鼻祖。LeNet分为卷积层块和全连接层块两部分。

1. 卷积块层

基本单位包括卷积层和最大池化层。卷积层块由卷积层和最大池化层重复堆叠构成。每个卷积层都使用55的卷积核，激活函数使用的是sigmoid。第一个卷积层输出通道数为6，第二个卷积层输出通道数增加到16（这是因为第二个卷积层比第一个卷积层的输入的高和宽要小，所以增加输出通道，从而使得两个卷积层的参数尺寸类似，信息量相当）。最大池化层的窗口形状均为22，步幅为2，由于池化窗口与步幅形状相同，所以池化窗口在输入上每次滑动所覆盖的区域互不重叠。

• 卷积层。用来识别图像里的空间模式，如线条、边缘、轮廓和物体局部；
• 最大池化层。用来降低卷积层对位置的敏感性。

2. 全连接层块

卷积块层的输出形状为（批量大小，通道，高，宽）。当卷积层块的输出传入全连接层块时，全连接层块会将小批量中的每个样本变平（flatten），即全连接层的输入形状将变成二维，其中第一维是小批量中的样本，第二维是每个样本变平后的向量表示，且向量长度维通道、高和宽的乘积。全连接层块含3个全连接层，输出个数分别为120,84和10，其中10为输出的类别个数。

三. 笔者个人理解

1. 卷积就是相关运算，比如一个33的二维卷积核里面的权值为[[0,0,0],[1,1,1],[0,0,0]],那我们就可以理解成该卷积核（一个33的窗口）在图片上进行由左往右，由上往下的滑动时就是为了检测图片中的水平线条，再比如一个[[0,1,0],[0,1,0],[0,1,0]]的卷积核便可理解成检测图片中的垂直线条。由此类推，由线推广到任意形状的边界、轮廓，甚至物体的局部特征及完整的物体，都能随着CNN网络层数的增加，感受野的增大而学习到。
2. 池化层除了用来降低卷积层对位置的敏感性之外，还一定程度上起到降低模型参数的数量，防止过拟合的作用，此外由于通过池化层，特征图会越来越小，也便于后续的变平flatten操作。

这篇关于计算机视觉-卷积神经网络CNN之LeNet的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---