综述：从LeNet 到 GoogLeNet:卷积神经网络的进化

综述：从LeNet 到 GoogLeNet:卷积神经网络的进化

XB D., [email protected]

前言

深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩，本文将按时间和创新点顺序介绍一系列网络结构（LeNet,AlexNet,VGGNet,InceptionNet,ResNet）。网络上大部分文章都只是草草讲述，本文小波仔仔细梳理，从问题的背景，网络结构，为什么设计这样的结构，参数数量各方面详细讲述CNN的进化之路。

LeNet

LeNet 是整个卷积神经网络的开山之作，是卷积神经网络的现代雏形，1998年由LeCun提出。最初设计的目的是识别手写字母，被广泛应用在美国支票手写识别系统当中。

LeNet一共有7层（不包括输入层）
输入层：
输入图像的大小为3232，这要比mnist数据库中的最大字母（2828）还大。
作用： 图像较大，这样做的目的是希望潜在的明显特征，比如笔画断续，角点等能够出现在最高层特征监测子感受野的中心。
其他层：
C1，C3，C5为卷积层，S2，S4为降采样层，F6为全连接层，还有一个