LeNet-5

更新於 發佈於 閱讀時間約 3 分鐘

LeNet-5 是一種開創性的卷積神經網路 (Convolutional Neural Network, CNN) 架構,由 Yann LeCun 等人在 1990 年代開發出來,主要用於手寫數字辨識。它在當時取得了巨大的成功,並被廣泛認為是現代 CNN 的奠基之作,對後來的深度學習和電腦視覺領域產生了深遠的影響。

以下是 LeNet-5 的一些關鍵特點和架構:

  • 七層網路 (不包含輸入層):
    1. 卷積層 (Convolutional Layer): 使用可學習的卷積核對輸入圖像進行掃描,提取圖像的局部特徵。LeNet-5 中使用了具有可學習權重的卷積核。
    2. 池化層 (Pooling Layer): 通常位於卷積層之後,用於降低特徵圖的空間尺寸,減少計算量,並提高模型對圖像微小變形和位置變化的魯棒性。LeNet-5 使用的是平均池化 (Average Pooling)。
    3. 卷積層 (Convolutional Layer): 再次進行特徵提取。
    4. 池化層 (Pooling Layer): 再次降低特徵圖的尺寸。
    5. 全連接層 (Fully Connected Layer): 將前面的特徵圖展平成一維向量,並連接到全連接的神經元。
    6. 全連接層 (Fully Connected Layer): 進一步處理特徵。
    7. 輸出層 (Output Layer): 使用 Softmax 激活函數輸出每個數字類別 (0-9) 的機率。
  • 特定的網路結構: LeNet-5 採用了特定的卷積核大小、步長、池化方式以及神經元的連接方式。例如,它使用了 5x5 的卷積核。
  • 激活函數: LeNet-5 最初使用的是 SigmoidTanh 等激活函數。
  • 訓練數據集: LeNet-5 最初在 MNIST 手寫數字數據集上進行訓練和評估,並取得了非常好的效果。

LeNet-5 的重要性:

  • 首次成功應用 CNN 於實際問題: 它證明了 CNN 在處理圖像數據方面的有效性,特別是在具有空間結構的數據上。
  • 奠定了現代 CNN 的基礎: 許多現代 CNN 的基本概念,如卷積層、池化層、全連接層以及反向傳播算法的應用,都在 LeNet-5 中得到了體現。
  • 啟發了後續的研究: LeNet-5 的成功激發了後續對更深、更複雜的 CNN 架構的研究,例如 AlexNet、VGG、ResNet 等。

總而言之,LeNet-5 是電腦視覺和深度學習發展史上一個里程碑式的模型,它的成功為後來的圖像識別和分析技術奠定了堅實的基礎。

留言
avatar-img
留言分享你的想法!
avatar-img
郝信華 iPAS AI應用規劃師 學習筆記
18會員
478內容數
現職 : 富邦建設資訊副理 證照:經濟部 iPAS AI應用規劃師 AWS Certified AI Practitioner (AIF-C01)
2025/05/27
資料增強 (Data Augmentation) 是一種在機器學習和深度學習中常用的提高模型泛化能力和魯棒性的技術。它的核心思想是通過對現有的訓練數據進行隨機的、合理的變換,生成更多樣化的訓練樣本。這樣做的目的是讓模型在訓練過程中接觸到更多不同的數據變異情況,從而減少過擬合的風險,並提升模型在未見過
2025/05/27
資料增強 (Data Augmentation) 是一種在機器學習和深度學習中常用的提高模型泛化能力和魯棒性的技術。它的核心思想是通過對現有的訓練數據進行隨機的、合理的變換,生成更多樣化的訓練樣本。這樣做的目的是讓模型在訓練過程中接觸到更多不同的數據變異情況,從而減少過擬合的風險,並提升模型在未見過
2025/05/27
模型壓縮與加速是為了讓已經訓練好的深度學習模型在資源受限的環境中(例如:手機、嵌入式設備、邊緣計算設備)能夠更高效地運行而採取的一系列技術和方法。這些技術旨在減小模型的大小、降低計算複雜度,並加快模型的推理速度,同時盡可能地保持模型的準確性。 為什麼需要模型壓縮與加速? 資源限制: 許多應用場景
2025/05/27
模型壓縮與加速是為了讓已經訓練好的深度學習模型在資源受限的環境中(例如:手機、嵌入式設備、邊緣計算設備)能夠更高效地運行而採取的一系列技術和方法。這些技術旨在減小模型的大小、降低計算複雜度,並加快模型的推理速度,同時盡可能地保持模型的準確性。 為什麼需要模型壓縮與加速? 資源限制: 許多應用場景
2025/05/27
圖像分割模型是一種電腦視覺模型,旨在將圖像中的每個像素分配到一個特定的類別或區域。與物件偵測模型(識別物體並用邊界框標示)不同,圖像分割模型提供的是像素級別的精細化理解,能夠精確地劃分出圖像中每個物體的輪廓和範圍。 圖像分割的目標是為圖像中的每個像素都貼上一個標籤,表明該像素屬於哪個類別。這使得我
2025/05/27
圖像分割模型是一種電腦視覺模型,旨在將圖像中的每個像素分配到一個特定的類別或區域。與物件偵測模型(識別物體並用邊界框標示)不同,圖像分割模型提供的是像素級別的精細化理解,能夠精確地劃分出圖像中每個物體的輪廓和範圍。 圖像分割的目標是為圖像中的每個像素都貼上一個標籤,表明該像素屬於哪個類別。這使得我
看更多
你可能也想看
Thumbnail
常常被朋友問「哪裡買的?」嗎?透過蝦皮分潤計畫,把日常購物的分享多加一個步驟,就能轉換成現金回饋。門檻低、申請簡單,特別適合學生與上班族,讓零碎時間也能創造小確幸。
Thumbnail
常常被朋友問「哪裡買的?」嗎?透過蝦皮分潤計畫,把日常購物的分享多加一個步驟,就能轉換成現金回饋。門檻低、申請簡單,特別適合學生與上班族,讓零碎時間也能創造小確幸。
Thumbnail
嗨!歡迎來到 vocus vocus 方格子是台灣最大的內容創作與知識變現平台,並且計畫持續拓展東南亞等等國際市場。我們致力於打造讓創作者能夠自由發表、累積影響力並獲得實質收益的創作生態圈!「創作至上」是我們的核心價值,我們致力於透過平台功能與服務,賦予創作者更多的可能。 vocus 平台匯聚了
Thumbnail
嗨!歡迎來到 vocus vocus 方格子是台灣最大的內容創作與知識變現平台,並且計畫持續拓展東南亞等等國際市場。我們致力於打造讓創作者能夠自由發表、累積影響力並獲得實質收益的創作生態圈!「創作至上」是我們的核心價值,我們致力於透過平台功能與服務,賦予創作者更多的可能。 vocus 平台匯聚了
Thumbnail
科技巨擘聯手推進生成式AI發展 開創人工智慧新時代 在生成式人工智慧(Generative AI)的浪潮中,雲端運算龍頭AWS和晶片巨擘NVIDIA攜手合作,推出一系列革命性的基礎設施、軟體和服務。
Thumbnail
科技巨擘聯手推進生成式AI發展 開創人工智慧新時代 在生成式人工智慧(Generative AI)的浪潮中,雲端運算龍頭AWS和晶片巨擘NVIDIA攜手合作,推出一系列革命性的基礎設施、軟體和服務。
Thumbnail
在科技發展的浪潮中,生成式AI無疑是引領未來的關鍵力量。透過深度學習技術,AI系統能夠從大量資料中發掘規律,並創造出全新的內容,無論是文字、圖像、音頻還是視頻,都可以在AI的加持下重新定義。
Thumbnail
在科技發展的浪潮中,生成式AI無疑是引領未來的關鍵力量。透過深度學習技術,AI系統能夠從大量資料中發掘規律,並創造出全新的內容,無論是文字、圖像、音頻還是視頻,都可以在AI的加持下重新定義。
Thumbnail
這天李天明工作之餘最大的愛好就是研究電腦。他對人工智慧、機器學習等領域有著濃厚的興趣。 這天,李天明像往常一樣,在網上瀏覽電腦資訊。突然,他看到了一個奇怪的網站。這個網站上全是關於人工智慧和機器學習的晦澀難懂的文字和公式。李天明對這個網站很感興趣,他花了好幾天時間,終於弄明白了網站
Thumbnail
這天李天明工作之餘最大的愛好就是研究電腦。他對人工智慧、機器學習等領域有著濃厚的興趣。 這天,李天明像往常一樣,在網上瀏覽電腦資訊。突然,他看到了一個奇怪的網站。這個網站上全是關於人工智慧和機器學習的晦澀難懂的文字和公式。李天明對這個網站很感興趣,他花了好幾天時間,終於弄明白了網站
Thumbnail
感知器是一種基本的神經網路模型,用於二分類問題。它模擬了人腦神經元的工作原理,通過調整權重和偏差值來達到預測和分類的目的。 感知器流程 輸入 資料的輸入: 輸入層接受資料的輸入,每個輸入對應一個特徵,還有一個固定的偏差神經元。 資料經過每個神經元時,會乘上相應的
Thumbnail
感知器是一種基本的神經網路模型,用於二分類問題。它模擬了人腦神經元的工作原理,通過調整權重和偏差值來達到預測和分類的目的。 感知器流程 輸入 資料的輸入: 輸入層接受資料的輸入,每個輸入對應一個特徵,還有一個固定的偏差神經元。 資料經過每個神經元時,會乘上相應的
Thumbnail
在現今這個信息爆炸的時代,我們如何解讀信息對世界的影響?
Thumbnail
在現今這個信息爆炸的時代,我們如何解讀信息對世界的影響?
Thumbnail
1986 年,人工智慧的崛起,神經網路的出現。人工神經網路發展遭遇挑戰,直到 2006 年由Hinton提出限制玻爾茲曼機與深度信念網絡,重新點燃熱情。2018年,Hinton獲得圖靈獎。近年,Hinton持續關注AI帶來的危險,力促人們關注。
Thumbnail
1986 年,人工智慧的崛起,神經網路的出現。人工神經網路發展遭遇挑戰,直到 2006 年由Hinton提出限制玻爾茲曼機與深度信念網絡,重新點燃熱情。2018年,Hinton獲得圖靈獎。近年,Hinton持續關注AI帶來的危險,力促人們關注。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News