《表2 LeNet神经网络各层参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《自然场景下基于改进LeNet卷积神经网络的苹果图像识别技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

输入到第1卷积层C1的是大小为32×32的图像，取6个尺寸为5×5的卷积核，卷积运算后得到6个特征图，C1层中包含的训练参数为6×（5×5+1），即得到的特征图大小为28×28；第1池化层S2中包含6个大小为14×14的特征图，与C1中所对应的大小为2×2特征图的领域相连接；第2卷积层C3中采用16个大小为5×5的卷积核，计算方法同C1类似，得到16个10×10大小的特征图；第2池化层S4采用大小为2×2的采样核，特征图个数为16个，经过池化操作后输出16个5×5大小的特征图；第3卷积层C5中每个神经元与S4中的5×5邻域相连接，输出120个1×1的特征图，使池化层S4与卷积层C5之间构成全连接；全连接层F6中拥有84个隐含节点，与卷积层C5构成全连接；最后在输出层中输出分类结果。各层具体参数如表2所示。