LeNet5，AlexNet，MobileNet它们的前身你知道吗？

最新推荐文章于 2025-07-18 16:37:44 发布
转载 最新推荐文章于 2025-07-18 16:37:44 发布 · 847 阅读 · 0
文章标签：

#LeNet5 #AlexNet #MobileNet

本文探讨了卷积神经网络(CNN)的发展历程，从LeNet5到AlexNet，再到VGG和MobileNet，回顾了CNN的起源及关键技术创新。文章还分析了CNN在图像和语音领域的应用，并介绍了Neocognitron、TDNN、HMAX等早期网络结构。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

https://www.toutiao.com/a6706858828484313614/

 

文/编辑 | 言有三

正所谓读史使人明智，没有一个经典的网络模型是突然之间冒出来的，都是厚积薄发的结果，我们会在知识星球每天更新一篇网络结构设计的文章，现在先来测试大家一下：

LeNet5，AlexNet，VGG，MobileNet它们的前身都是什么，你知道吗？

卷积神经网络的起源

从什么时候开始，才算是卷积神经网络的诞生呢？图像和语音又是如何受益于卷积神经网络，为什么网络要采用分层的设计，是谁开始使用最大池化？LeNet5为什么要加个5呢？难道还有1，2，3，4吗？除了分类数字，上个世纪的CNN还有其他用吗？

Neocognitron，TDNN，HMAX，Cresceptron，Siamese，LeNet系列网络可以了解一下。

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

​

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

深度学习卷土重来前夕

为什么深度学习崛起从RBM开始？AlexNet诞生之前Alex同学在干什么？VGG这么就想起来使用小卷积了呢？

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

残差连接是原创吗？

ResNet文章引用量已经过万了，但是你知道几十年前的shortcut connection早就已经在网络结构中使用了吗？LeCun大神们早就系统性研究过shortcut connection了吗？早在resnet之前的highway network已经训练过上1000层的深层模型了吗？

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

开始研究高效率网络了

随着网络的能力越来越强，大家开始追求性价比了，不仅要强大，而且要高效，那么1*1卷积究竟有何妙用？分组卷积的起源到底是什么？

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

「知识星球」LeNet5，AlexNet，MobileNet它们的前身你知道吗？

 

所有内容知识星球持续更新中，等你来！

深度学习方法（五）：卷积神经网络CNN经典模型整理Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning...
weixin_30826761的博客
01-02 3623
欢迎转载，转载请注明：本文出自Bin的专栏blog.youkuaiyun.com/xbinworld。 技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。 关于卷积神经网络CNN，网络和文献中有非常多的资料，我在工作/研究中也用了好一段时间各种常见的model了，就想着简单整理一下，以备查阅之需。如果读者是初接触CNN，建议可以先看一看“Deep Learning（...
CNN进化史
开源中国博客搬家测试账号
04-18 1899
卷积神经网络（CNN）近年来取得了长足的发展，是深度学习中的一颗耀眼明珠。CNN不仅能用来对图像进行分类，还在图像分割（目标检测）任务中有着广泛的应用。CNN已经成为了图像分类的黄金标准，一直在不断的发展和改进。 刘昕博士总结了CNN的演化历史，如下图所示：  ...
LeNet-5 详解：从理论到实践
wyy202206174248的博客
07-17 1186
LeNet-5 是由 Yann LeCun 等人在 1998 年提出的卷积神经网络，主要用于手写数字识别，是早期最成功的深度学习模型之一。它在 MNIST 数据集上取得了优异的表现，并为后来的深度学习发展奠定了基础。LeNet-5 的重要性在于：首次展示了卷积神经网络在图像识别任务中的潜力引入了卷积、池化等现代 CNN 的基本结构为后续更复杂的网络架构（如 AlexNet、VGG 等）提供了设计思路LeNet-5 由 7 层组成（不包括输入层），包含 2 个卷积层、2 个池化层和 3 个全连接层（其中最后一
CNN历史
最新发布
qq_61963524的博客
07-18 371
卷积层：3*224*224→（11x11，4，0）→96*55*55=48*55*55x2（分散在两个GPU上）→ReLU→LRN（如今发展为了BN）全连接层：128*6*6x2→9216*1*1（此时两GPU合并）→（）→4096*1*1→ReLU。卷积层：128*13*13x2→（3x3，1，1）→192*13*13x2→ReLU→LRN。卷积层：192*13*13x2→（3x3，1，1）→192*13*13x2→ReLU→LRN。
神经网络架构演进史：全面回顾从LeNet5到ENet十余种架构
09-22 991
原文地址
CNN发展历程（AlexNet-MobileNet V3）
Trista2hong的博客
05-14 1309
2012 AlexNet （1）与最早的卷积神经网络LeNet相比，AlexNet的层数更深，共有7层，并且使用ReLU作为非线性激活函数 （2）使用dropout对抗过拟合 （3）使用max-pooling下采样 2014 VGG （1）与AlexNet相比，VGG的层数更深，最高达到19层，可以增强网络的非线性表达能力 （2）与AlexNet相比，VGG使用更小的卷积核。VGG大量使用3×3...
CNN经典结构（Lenet，AlexNet，VGG，GoogleNet，ResNet, Resnext, Densenet, Senet, BAM,mobilenet）及其pytorch实现
xu_fu_yong的专栏
06-19 8901
CNN经典结构（Lenet，AlexNet，VGG，GoogleNet，ResNet, Resnext, Densenet, Senet, BAM, CBAM, genet, sknet, mobilenet）及其pytorch实现 前言 本文主要介绍2012-2019年的一些经典CNN结构，从Lenet，AlexNet，VGG，GoogleNet，ResNet, Resnext, Densene...
CNN经典架构LeNet-5及参数调整
夜阑寄语
05-22 2806
详解CNN经典架构LeNet-5及参数调整 Create Wed May 2019.5.22 19:18 目前来说，深度学习、机器学习一直给人就是高深莫测的感觉。但是其实对于深度学习在计算机视觉方面的研究问题，目前来说其实就是对一些视频（帧信息）或图片任务实现分类识别，并且可以控制在一定的误差范围之内就达到了问题的目的。并且与其他对于图像分类任务的算法相对比的情况下，神经网络由于其具有较好的分类特...
你应该知道的RocketMQ
02-24
RocketMQ前身叫做MetaQ,在MeataQ发布3.0版本的时候改名为RocketMQ，其本质上的设计思路和Kafka类似，但是和Kafka不同的是其使用Java进行开发，由于在国内的Java受众群体远远多于Scala，所以RocketMQ是很多以Java语言...
UploadiFive文件上传插件v1.2.2-standard，基于HMTL5和jQuery，前身Uploadify，支持拖拽手机和手机上传
06-19
其前身Uploadify在很多项目中已被广泛之用，但是Uploadify需要Flash的支持，移动设备端难以集成，特别是iPhone、iPad设备。 UploadiFive基于HTML5和jQuery，不在需要Flash的支持，可以进行批量上传、拖拽上传、手机...
UploadiFive，uploadify html5版本,基于HMTL5和jQuery，前身Uploadify，支持手机上传
11-29
UploadiFive是一款来自国外的、优秀的jQuery插件，主要功能是上传文件，支持...UploadiFive基于HTML5和jQuery，不在需要Flash的支持，可以进行批量上传、拖拽上传、手机上传等。 不支持ie9，只有ie10+的浏览器可以用
【卷积神经网络】CNN发展史
Ta的傻妞的博客
04-21 571
学习cnn，必然不可少了cnn的发展史，这篇博文讲的蛮好，可惜我看不见图，你们看看呢~~ CNN的发展史 我也留下来，等后面复习时候再看看。
CNN发展史简述
jesseyule的博客
10-16 4353
相信很多人和我一样，在学习深度学习的时候会发现五花八门的各种模型名称，搞到头皮发麻，所以这次就打算简单介绍一下各种CNN的改进版本，在后续会对部分模型做详细分析介绍。 第一个要介绍的是LeNet，诞生于1998年，可以说它就是我们入门时学习的卷积神经网络，包含了最基本的卷积层、池化层、全连接层。 第二个是AlexNet，和LeNet相比，使用了ReLU作为激活函数（验证了效果在较深网络超过了si...
CNN 发展简史
WD
04-07 4513
CNN 发展简史 文章目录CNN 发展简史说在前面1. LeNet-5 (1998)2. AlexNet (2012)3. VGG (2014)4. GoogLeNet (2015)5. ResNet (2015)6. Xception (2016)7. Inception-ResNet-v2 (2016)8. ResNeXt-50 (2017)9. Inception v1 - v4 Inception-ResNet结尾 说在前面 上一篇文章中，我们详细说了CNN的主要结构组成和训练原理，今天我们来回
【深度学习】经典的卷积神经网络模型介绍（LeNet、AlexNet、VGGNet、GoogLeNet、ResNet和MobileNet）
热门推荐
点赞的都能无bug通过！
03-17 5万+
经典的卷积神经网络模型介绍卷积神经网络简介一、LeNet1、INPUT层-输入层2、C1层-卷积层3、S2层-池化层（下采样层）4、C3层-卷积层5、S4层-池化层（下采样层）6、C5层-卷积层7、F6层-全连接层二、AlexNet1、AlexNet特点2、ReLu作为激活函数3、数据增强4、层叠池化5、局部相应归一化6、Dropout7、Alex网络结构8、AlexNet参数数量三、VGG net1、VGG的特点2、VGG网络结构3、VGG优缺点四、GoogLeNet1、GoogLeNet Incepet
LeNet、AlexNet、VggNet、GoogLeNet、ResNet、MobileNet网络详解
boss-dog
12-08 2166
LeNet 内容： ①详解LeNet-5模型 ②用Pytorch搭建LeNet-5模型且基于CIFAR-10数据集训练 https://blog.youkuaiyun.com/qq_45445740/article/details/106827428 AlexNet https://blog.youkuaiyun.com/qq_37541097/article/details/104409156 内容： ①AlexNet网络结构详解视频 ②使用pytorch搭建AlexNet并针对花分类数据集进行训练 ③视频最后中也介绍了如何训练
经典CNN结构之LeNet5 开山鼻祖
FreeBird
03-02 530
序言 网络结构 图解 详解 创新思想 核心点 感悟点 论文复现 参考论文 代码实现
LeNet-5
深度学习客
01-03 519
LeNet的提出为深度学习的发展开创了道路，为后来更为复杂的深度学习模型奠定了基础。LeNet-5的贡献在于为深度学习的发展树立了良好的范例，为今后更多创新和突破奠定了基础。LeNet-5引入了卷积操作，通过局部连接和权值共享，有效地减少了网络参数的数量，降低了计算复杂度。LeNet-5的设计原则，如卷积和池化的使用，为后来更为先进的深度学习模型提供了灵感。LeNet-5在卷积层之间引入了最大池化层，用于减小特征图的空间尺寸，提高模型的平移不变性。在每个特征图上应用2x2的最大池化，减小特征图的空间尺寸。
CNN LeNet-5 AlexNet VGG简介
bitcarmanlee的博客
02-22 969
1.LeNet-5 LeNet与94年提出，是最早的CNN结构之一，由Lecun, Bengio等大神共同提出。 而LeNet5则是Yann Lecun等大神在经过多次研究后提出的网络结构，现在一般提到的LeNet就是指LeNet5。 先贴一张经典的LeNet5网络结构图。 从图上可以看出，LeNet-5包含5层(将卷积层与池化层看成一层，如果将卷积层与池化层区分对待则是7层)，名字里的5就是由此而来。 其网络结构为： 输入，卷积层C1, 子采样层S2(subsampling/pooling)，卷积层C3
LeNet5手写数字识别源码：毕业设计与项目实战演练
资源摘要信息:"该资源是一个基于深度学习LeNet5算法实现mnist手写数字识别的项目源码压缩包，适用于计算机相关专业教师、学生以及企业员工进行项目实战演练、课程设计、期末大作业或毕业设计等。项目代码经过验证，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值