LeNet-5架构具体是什么样的?
0 1548
0
该提问暂无详细描述
收藏
2021-03-04 00:04 更新 阿托 •  17069
共 1 个回答
高赞 时间
0

LeNet-5体系结构由两组卷积和平均池化层组成,然后是平坦的卷积层,然后是两个全连接层,最后是softmax分类器。

第一层

LeNet-5的输入是一个32×32灰度图像,该图像通过的第一卷积层具有6个特征图或者5×5,步长为1的滤波器。 图像尺寸从32x32x1更改为28x28x6。

第二层

LeNet-5应用平均池化层或子采样层,其滤波器大小为2×2,步长为2。生成的图像尺寸将减小为14x14x6。

第三层

第二个卷积层具有16个大小为5×5,步幅为1的特征图。在该层中,只有16个特征图中的10个被连接到前一层的6个特征图,如下所示。

主要原因是要打破网络中的对称性,并使连接数保持在合理范围内。 这就是为什么该层中的训练参数为1516而不是2400的原因,类似地,连接数为151600而不是240000。

第四层

第四层(S4)还是平均池化层,滤波器大小为2×2,步幅为2。该层与第二层(S2)相同,但是具有16个特征图,因此输出将减少为5x5x16 。

第五层

第五层(C5)是具有120个特征图的全连接卷积层,每个特征图的大小为1×1。 C5中的120个单元中的每一个都连接到第四层S4中全部的400个节点(5x5x16)。

第六层

第六层是具有84个单元的全连接层(F6)。

输出层

最后,有一个全连接的softmax输出层ŷ,其中包含10个可能的值,对应于从0到9的数字。

LeNet-5架构的总结

参考https://www.datasciencecentral.com/profiles/blogs/lenet-5-a-classic-cnn-architecture

收藏
2021-03-04 00:09 更新 正直的烤面包 •  4004