LeNet-5网络模型学习总结

LeNet-5网络模型学习总结

模型结构

    LeNet-5网络模型是一个很典型且小巧的深度学习网络模型。主要结构为：

主要分为7层（不包含输入层），主要是卷积层、池化层、全连接层以及最后使用softmax函数作为输出层。

流程理解

    图像输入后统一格式为$32*32$32∗32大小的图片数据，再将数据导入卷积层，卷积层包含6个$5*5$5∗5大小的卷积核，所以经过卷积层后，输出的神经元参数是$28*28*6$28∗28∗6（28是因为$(32-5+0)/1+1$(32−5+0)/1+1，其中原图像的高为32，卷积核高为5，补充的图像边距为0，步距设为1；利用6个不同的卷积核提取纹理特征，图像通道数为1，最终生成6维的神经元数据），则在整个训练过程中，这一步需要训练$(5*5+1)*6$(5∗5+1)∗6个参数，其中5*5是指卷积和中每个值，‘+1’是指每个维度下增加一个可训练的偏置量b.
    在卷积层之后需要对整个数据进行池化处理，池化操作对应的数据维度为$28*28*6$28∗28∗6，采样的区域大小为：$2*2$2∗2，最终整个数据的大小成为$(28/2)*(28/2)*6$(28/2)∗(28/2)∗6,每个特征图是原特征图的$\frac{1}{4}$41​大小。池化过程是对每一个$2*2$2∗2区域求和后乘以一个权重，并加上一个偏置量$b^{'}$b′.
    再将以上输出的特征图进行卷积操作。使用16个$5*5$5∗5大小的卷积核，所以经过这一层，特征图大小变为高和宽为$(14-5+0)/1+1=10$(14−5+0)/1+1=10的特征图，特征图的维度成为16.然而与之前不同的是，这16个卷积核不是都从头到尾与特征图进行卷积操作,而是分配前6个卷积核只与特征图的3个相连特征子图卷积，再分配6个与4个相连的特征子图卷积，3个与不相连的特征子图卷积，再分配剩下的与所有的特征子图卷积。通过这种分配方式，可以减少参数的同时也有利于提取多种特征信息。
    紧接另一个池化层，同样的，采样区域为$2*2$2∗2,最终输出的特征图大小为$5*5*16$5∗5∗16
    接下来与卷积层相连接，卷积核一共120个，同样也是$5*5$5∗5大小的，最终输出特征图大小为$(5-5+0)/1+1=1$(5−5+0)/1+1=1,即为$1*1$1∗1大小的，这次卷积核与上层输出的特征图中每一个特征子图进行卷积。
    第6层是全连接层，计算输入向量和权重向量之间的点积，再加上一个偏置，结果通过sigmoid函数输出。设置84个权重值，84个节点，对应于一个7x12的比特图，-1表示白色，1表示黑色，这样每个符号的比特图的黑白色就对应于一个编码。
    Output层也是全连接层，共有10个节点，分别代表数字0到9，且如果节点i的值为0，则网络识别的结果是数字i。采用的是径向基函数（RBF）的网络连接方式。

参考资料

[1] Lecun Y L , Bottou L , Bengio Y , et al. Gradient-Based Learning Applied to Document Recognition[J]. Proceedings of the IEEE, 1998, 86(11):2278-2324.
[2]https://cuijiahua.com/blog/2018/01/dl_3.html