《表1 LeNet5模型参数量》
Yann LeCun教授提出了LeNet5模型,并成功在手写数字识别问题上得到了应用。LeNet5使用了卷积层,降采样层,激活层的3层结构,卷积层通过卷积核在图片上的移动进行局部采样提取局部特征,利用权值共享获取全局特征,降采样层通过平均池化的方法融合部分卷积特征从而降低数据量,激活层利用非线性激活函数对提取的特征进行激活并抑制噪声的干扰。LeNet5分类器采用了多层神经网络,模型稀疏连接的特点既降低了过拟合,又提升了计算效率。表1显示了输入32*32灰度图像的LeNet5每层的参数量,计算可得到两个全连接层的参数量占整个网络参数量的94.55%。
图表编号 | XD0074400600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.16 |
作者 | 张涛、杨剑、宋文爱、郭雁蓉 |
绘制单位 | 中北大学软件学院、中北大学软件学院、中北大学软件学院、中北大学软件学院 |
更多格式 | 高清、无水印(增值服务) |