합성곱 신경망 LeNet

LeNet은 LeNet-5라고도 불리며, 1997년 Yann LeCun과 그의 팀이 손으로 쓴 숫자 인식 작업을 위해 특별히 개발한 초기의 합성곱 신경망(CNN) 아키텍처입니다. 종이"문서 인식에 적용된 그래디언트 기반 학습LeNet-5의 네트워크 구조와 학습 과정을 자세히 소개합니다.

LeNet-5는 심층 학습과 합성곱 신경망 분야에서 선구적인 업적으로, 합성곱 계층, 풀링 계층, 완전 연결 계층 등 현대 심층 학습의 많은 핵심 개념의 기초를 마련했습니다.

LeNet-5의 아키텍처는 비교적 간단하며, 두 개의 합성곱 계층(C1과 C3), 두 개의 풀링 계층(S2와 S4), 그 다음에 두 개의 완전 연결 계층(F6과 출력 계층)을 포함하여 총 7개의 계층으로 구성됩니다. 합성곱 계층은 이미지 특징을 추출하는 역할을 하고, 풀링 계층은 이미지 변위에 대한 불변성을 높이는 동시에 특징의 공간적 차원을 줄이는 역할을 합니다. 마지막 완전 연결 계층은 분류 작업에 사용됩니다.