本站原创文章,转载请说明来自《老饼讲解-深度学习》www.bbbdata.com
LeNet卷积神经网络由Yann LeCun等人在1998年提出,用于手写数字的识别,
LeNet是最早的卷积神经网络之一,它为后续的卷积神经网络的发展奠定了基础
Yann LeCun也因此被誉为卷积神经网络之父,并获得了2018年的图灵奖
本文讲解LeNet卷积神经网络的模型结构,详细描述每一层的计算方法
通过本文可以清晰了解LeNet神经网络是什么,用于解决什么问题,及它的具体计算过程
本节对LeNet-5的网络结构进行简单描述
LeNet简介
LeNet由AT&T贝尔实验室的研究员Yann LeCun在1998年提出
LeNet是一种经典、简单的CNN神经网络,用于解决手写数字的识别问题
LeNet系列中核心模型就是LeNet-5,一般说LeNet指的就是LeNet-5
LeNet-5原文地址:《Gradient-based learning applied to document recognition》
LeNet-5结构简介
LeNet-5输入输出简介
在原文中,LeNet用于解决手写数字的识别,输入手写数字图片(28×28),输出所属数字类别
更一般来说,LeNet用于图片的类别识别,输入是28×28的图片,输出图片的所属类别
其中,输出的类别由一个维度为类别个数的列向量表示,
第i个数值越大,代表是类别i的可能性越大
LeNet网络结构简介
LeNet的网络结构如下:
LeNet一共有7层(不包括输入层),结构简述如下:
👉包含3个卷积层(C),2个采样层/池化层(S),和2个全连接层(F)
本节介绍LeNet-5各层的结构及运算细节
LeNet-input与C1层
输入层
LeNet的输入层是28*28的图片(手写数字)
C1层
C1的输入:C1是卷积层,它的输入是输入层28×28的图片
C1的运算:C1利用6个5×5×1的卷积核进行卷积,填充为2,步幅为1
卷积后的输出则为6个(28+4-5+1)×(28+4-5+1)=28×28的特征映射图
C1的参数个数:(5*5*1+1)*6=156
C1的输出:28×28×6的特征映射图
LeNet-S2层
S2的输入:S2是采样层(池化层),它的输入是C1的输出
即S2的输入为28×28×6的特征映射图
S2的运算:S2的运算包括池化与激活两个步骤
1. 池化:采用Size为2×2,步幅为2的池化窗口对输入进行均值池化
这里的池化是带阈值的池化
池化后为6个(28/2)×(28/2)=14×14的特征映射图
2. 激活:将池化后的结果使用Sigmoid函数进行激活
S2的参数个数:(1+1)*6=12
每组池化后都需要再乘以一个权重和加上阈值,所以是(1+1)*6=12
S2的输出:14×14×6的特征映射图
✍️补充:关于原文的采样层
原文中的采样层是将窗口所有值相加,再乘以一个系数
由于与后来的池化运算相似,所以这里不妨采用均值池化,即窗口所有值求平均
由于有系数的控制,所以求和与求平均对模型来说,并无差异
LeNet-C3层
C3的输入:C3是卷积层,它的输入是S2的输出
即C3的输入为14×14×6的特征映射图
C3与S2的连接方式:C3与S2的连接方式较为特殊,采用非完全连接方式
C3与S2的连接方式详细如下:
C3共有16个5×5×1的卷积核
每个卷积核并不都与S2层的6组输出完全连接,它的连接方式如下:
总的来说,共有四种连接类型
👉1.前6个只连续连接三组
👉2.后6个只连续连接4组
👉3.再之后的3三个只连接不连续的4组
👉4.最后一个是全连接
备注:这样的连接在生物意义上理解为尽量充分地从不同角度、不同粒度地观察S2
C3的运算:C3使用16个5*5*1的卷积核进行卷积,填充为0,步幅为1
卷积后的输出则为16个[(14+4-5)/1+1]*[(14+4-5)/1+1]=10*10的特征映射图
C3的参数个数: 6*(3*5*5+1)+6*(4*5*5+1)+3*(4*5*5+1)+1*(6*5*5+1)=1516
C3的输出:10*10*16的特征映射图
LeNet-S4层
S4的输入:S4是采样层(池化层),它的输入是C3的输出
即S4的输入为10×10×16的特征映射图
S4的运算:S4采用Size为2*2,步幅为2的池化窗口对输入进行均值池化
池化后为[10/2]×[10/2]=5×5的特征映射图
S4的参数个数:(1+1)*16=32
每组池化后都需要再乘以一个权重和加上阈值
所以参数个数为(1+1)*16=32
S4的输出:5×5×16的特征映射图
LeNet-C5层
C5的输入:C5是卷积层,它的输入是S4层的输出
即C5的输入为5×5×16的特征映射图
C5的运算:C5使用120个5×5×16的卷积核进行卷积,填充为0步幅为1
卷积后的输出则为1×1×120的特征映射图
C5的参数个数:(5*5*16+1)*120=48120
C5的输出:1×1×120的特征映射图
✍️备注:关于把C5看作全连接层的观点
由于C5共有120个卷积核,每个卷积核为5×5×16,
而输入也是5×5×16,所以每个卷积核的输出结果只有一个,
在这种特殊的情况下,也可以把它看作全连接层,即120个神经元,与S4的所有输出全连接,
但实际上,它是一个卷积层,在当S4的输出不为16×5×5时,应当按卷积层的逻辑计算
LeNet-F6层
F6的输入:F6是全连接层,它的输入是S4层的输出展平后的向量
即F6的输入是1×1×120的特征映射图展平后的120×1向量
F6的运算:F6是传统神经网络的运算方法,激活函数使用tanh
F6的计算具体如下:
其中:
X:120*1的输入向量
W:权重,84×120的矩阵
b:阈值,84×1的列向量
tanh:双曲正切函数
y:F6层的输出
F6的参数个数:(120+1)*84=10164
F6的输出:84×1的列向量
LeNet-F7层
F7的输入:F7是最后的输出层,它是一个全连接层
F7的输入是F6层的输出(84*1的列向量)
F7的运算:有多少个类别,F7就有多少个神经元
F7与F6全连接,使用RBF函数作为激活函数
F7的计算公式如下:
其中,是F7的第i个输出
是F6层第j个神经元与F7第i个神经元的权重
F7的计算示图如下:
简单来说,就是F6的输出与W的欧基里德距离
F7的参数个数:类别个数*84
F7的输出:类别个数*1的列向量
补充:关于F7的意义
不妨记F6与F7第i个神经元相连的84个权重记为
的意义实际是代表第i个类别的坐标,F6的输出与的距离越近,则输出就越小
最终对比F7的所有输出值,如果第k个输出值最小,就判为第k类
特别说明的是,F6与F7的连接权重是根据类别的背景意义事前精心设计的,
设计完后在训练中并不调整(或者设计后也参与调整)
本节通过图表来直观介绍、理解LeNet-5的结构与运算
Lenet-5的运算流程图总览
为方便理解,整理出LeNet-5各层结构的处理流程图如下所示
结合上图与第二节的描述进行理解,就可以非常细节与具体地理解LeNet-5的结构与计算方法
Lenet-5网络的统计概览表
Lenet-5各层的输出、参数等相关统计如下
笔者语:关于LeNet-5的实现
一般很少会再按LeNet-5原文的网络结构去复现LeNet-5,
笔者认为有三个原因:
1.F7层使用的是RBF函数,并且F7的权重需要根据具体业务背景精心设计,所以难以复现
2.LeNet-5是一个初代的卷积神经网络,结构细节上与后来的卷积神经网络略有出入,导致使用pytorch等框架实现时稍为复杂
3.LeNet-5是一个初代的卷积神经网络,有些细节技术方面在后来并没有太多价值,强行实现也没有太大好处
例如池化层加权重、C3的非完全连接与F7的RBF激活函数等等,都已经被淘汰了,强行实现没有太大价值
总的来说,知道LeNet就好了,初学者不要太纠结一定要按原文去复现,对学习、实际使用都没有太大的价值
End