LeNet是由LeCun在1989年提出的历史上第一个真正意义上的卷积神经网络。用的最多的是1998年出现的LeNet的改进版本LeNet-5.
如图是LeNet-5卷积神经网络的网络架构
1) Input层为输入层,要求必须是维度为32*32*1的图像,即输入的是高度和宽度均为32的单通道图像。
2)C1层为第一个卷积层,得到输出维度28*28*6,卷积核5*5*1,步长1,不用padding
3)S2层为下采样层,这里用最大池化2*2*6,步长为2,输出14*14*6
4)C3为第二个卷积层,步长为1,不用padding,卷积核5*5*6,输出10*10*16
5)S4为第二个下采样层,同样适用最大池化层,窗口2*2*16,步长为2,输出5*5*16
6)C5为第三个卷积层,卷积核5*5*16,步长1,不用padding,输出1*1*120
7)F6为第一个全连接层,让输入的特征图乘上120*84的权重参数,输出1*84的特征图
8)output层输出输入图像对应10个类别的可能性值,需要乘以84*10的矩阵,最终得到10个数据输入softmax激活函数,得到的就是输入图像对应的10个类别的可能性值了。