配套讲解视频，点击下方名片获取

20 世纪 90 年代，计算机已经能识别文本，但图片识别很困难。比如银行支票的手写数字识别，传统方法需要人工设计规则，费时费力且精度不高。
于是，Yann LeCun 及其团队提出了 LeNet-5——一种可以自动从图片中提取特征的卷积神经网络。
1、LeNet-5 的总体思路
1.1 一个生活化比喻
想象你是一个验钞员：

1. 拿到一张钞票（输入图片）
2. 先用放大镜找细节（卷积层）
3. 缩小视野，专注主要花纹（池化层）
4. 再看更复杂的组合图案（深层卷积）
5. 大脑分析所有线索，判断真假（全连接层 + 分类器）
   1.2 模型的三大核心步骤
6. 特征提取（卷积层 + 池化层）
7. 特征组合（更深的卷积）
8. 分类决策（全连接层 + Softmax）
   

暂时无法在飞书文档外展示此内容
2、每一层的作用
2.1 C1 卷积层

• 目标：找到低级特征（边缘、线条、简单形状）
• 操作：6 个 5×5 滤镜，每个滤镜学会不同的模式
• 类比：摄影师用不同滤镜拍摄同一场景，捕捉不同细节
  2.2 S2 平均池化层
• 目标：缩小图像尺寸，保留主要信息，减少计算量
• 类比：看缩略图——虽然小了，但主体还在
  2.3 C3 卷积层
• 目标：组合前面的低级特征，形成高级特征（曲线、交叉）
• 特别之处：并不是所有输入都连接到每个输出，减少参数量
  2.4 S4 平均池化层
• 同 S2，再次降维，减少计算量
  2.5 C5 卷积层
• 卷积核大小等于输入大小（5×5），所以每个卷积核看到整个输入
• 相当于全连接，但参数更少
  2.6 F6 全连接层
• 把提取到的特征重新组合，准备分类
• 输出 84 个神经元，类似人脑做最后的综合判断
  2.7 输出层
• Softmax 输出 10 个概率
• 最高概率对应最终分类结果
  3、LeNet-5 的优点与局限
  3.1 优点
• 特征自动提取
• 参数量小（~6 万），对硬件要求低
• 思路清晰，是现代 CNN 的模板
  3.2 局限
• 激活函数使用 Sigmoid/tanh，训练容易梯度消失
• 只能处理小尺寸灰度图像
• 池化方式是平均池化（现代更常用最大池化）

4、实战项目

A285-lenets5模型实现手写数字识别实时画板手写预测