LeNet، المعروف أيضًا باسم LeNet-5، هو عبارة عن بنية شبكة عصبية ملتوية مبكرة (CNN) طورها Yann LeCun وفريقه في عام 1997 خصيصًا لمهام التعرف على الأرقام المكتوبة بخط اليد. ورق"التعلم القائم على التدرج المطبق على التعرف على المستندات"تم تقديم هيكل الشبكة وعملية تدريب LeNet-5 بالتفصيل.

LeNet-5 هو عمل رائد في مجال التعلم العميق والشبكات العصبية التلافيفية، والذي وضع الأساس للعديد من المفاهيم الرئيسية في التعلم العميق الحديث، مثل الطبقات التلافيفية، وطبقات التجميع، والطبقات المتصلة بالكامل.

تعتبر هندسة LeNet-5 بسيطة نسبيًا، وتتكون من إجمالي 7 طبقات (باستثناء طبقة الإدخال)، بما في ذلك طبقتان ملتويتان (C1 وC3)، وطبقتان تجميعيتان (S2 وS4)، تليها طبقتان متصلتان بالكامل (F6 وطبقة الإخراج). تكون طبقة الالتفاف مسؤولة عن استخراج ميزات الصورة، في حين تكون طبقة التجميع مسؤولة عن تقليل البعد المكاني للميزات مع زيادة الثبات لإزاحة الصورة. يتم استخدام الطبقة النهائية المتصلة بالكامل لمهام التصنيف.