44、经典卷积神经网络架构解析

经典卷积神经网络架构解析

1. 引言

卷积神经网络（CNN）在计算机视觉领域取得了巨大的成功，不同的CNN架构不断涌现，各自具有独特的特点和优势。本文将介绍几种经典的CNN架构，包括LeNet - 5、AlexNet、GoogLeNet、VGGNet、ResNet和Xception，并分析它们的结构、原理和应用。

2. LeNet - 5

LeNet - 5是最广为人知的CNN架构之一，由Yann LeCun在1998年创建，广泛用于手写数字识别（MNIST）。其架构如下表所示：
| Layer | Type | Maps | Size | Kernel size | Stride | Activation |
| — | — | — | — | — | — | — |
| Out | Fully connected | - | 10 | - | - | RBF |
| F6 | Fully connected | - | 84 | - | - | tanh |
| C5 | Convolution | 120 | 1 × 1 | 5 × 5 | 1 | tanh |
| S4 | Avg pooling | 16 | 5 × 5 | 2 × 2 | 2 | tanh |
| C3 | Convolution | 16 | 10 × 10 | 5 × 5 | 1 | tanh |
| S2 | Avg pooling | 6 | 14 × 14 | 2 × 2 | 2 | tanh |
| C1 | Convolution | 6 | 28 × 28 | 5 × 5 | 1 | tanh