图像识别技术与应用（卷积神经网络2）

LeNet 架构

  

 0代表黑色，255代表白色。（可以想成0是什么都没有，所以是黑色；255代表越亮所以是白色。）

红色的是卷积层，蓝色的是池化层，黄色的是全连接层。

由32x32变为28x28是因为32-5+1=28，同理10x10也是这样。

卷积编码器和全连接层密集块与深度有关，卷积编码器的深度取决于卷积层和池化层的数量，而全连接层的深度指的是它的层数。

神经网络的深度和效果成正比。

卷积核的数量与卷积神经网络的性能和特征提取能力密切相关。

池化层数量不是由自己决定的，因为会删除一部分数据。

 

LeNet简化版主要由三个全连接层和两个卷积层组成。

学习表征

浅层学习：不涉及特征学习，其特征主要靠人工经验或特征转换方法来抽取。