这可能是神经网络 LeNet-5 最详细的解释了！

大家好，我是红色石头！

说起深度学习目标检测算法，就不得不提 LeNet- 5 网络。LeNet-5由LeCun等人提出于1998年提出，是一种用于手写体字符识别的非常高效的卷积神经网络。出自论文《Gradient-Based Learning Applied to Document Recognition》

论文传送门：

​​http://yann.lecun.com/exdb/publis/pdf/lecun-98.pdf​​

一、网络结构

参数个数：84*10=840。

连接数：84*10=840。

十、可视化网址

​​http://yann.lecun.com/exdb/lenet/a35.html​​

​​http://scs.ryerson.ca/~aharley/vis/conv/flat.html​​

​​http://scs.ryerson.ca/~aharley/vis/conv/​​

总结

LeNet-5 与现在通用的卷积神经网络在某些细节结构上还是有差异的，例如 LeNet-5 采用的激活函数是 sigmoid，而目前图像一般用 tanh，relu，leakly relu 较多；LeNet-5 池化层处理与现在也不同；多分类最后的输出层一般用 softmax，与 LeNet-5 不太相同。

LeNet-5 是一种用于手写体字符识别的非常高效的卷积神经网络。CNN 能够得出原始图像的有效表征，这使得 CNN 能够直接从原始像素中，经过极少的预处理，识别视觉上面的规律。然而，由于当时缺乏大规模训练数据，计算机的计算能力也跟不上，LeNet-5 对于复杂问题的处理结果并不理想。

最后，红色石头给大家准备好了LeCun的这篇 LeNet-5 的 46页论文《Gradient-Based Learning Applied to Document Recognition》，需要的可以在本公众号后台回复【lenet5】，获取！

下一篇我将使用 PyTorch 复现LeNet-5 网络，并介绍完整的 demo 实例，下期见！