常见卷积神经网络分析

一、经典卷积神经网络剖析

卷积神经网络中较位经典的网络有LeNet-5、AlexNet、VGG16等，下面分别进行介绍：

    LeNet-5这一神经网络模型是Yann LeCun 教授于1998年在论文 Gradient-based learning applied to document recognition 中提出的,其主要用于手写数字识别，并达到了很好的识别效果，其模型如下：

    其网络结构不包括输入层（input layer）, 则主要包含七层，即两组卷积+池化，之后是三层全连接层，具体网络层参数计算可依据如下公式进行计算：

其中，各字母的含义如下：

O：输出图像的尺寸。   I：输入图像的尺寸。
K：卷积层的核尺寸      N：核数量
S：移动步长                 P ：填充数

网络层名称	输入	filter	stride	padding	输出	计算公式	参数量
input	32x32x1				32x32x1
conv1	32x32x1	5x5x6	1	0	28x28x6	(32-5+2*0)/1+1 = 28	(5*5+1)*6 = 156

• 参考

  • 网络解析（一）：LeNet-5详解