基于卷积神经网络的图像分类方法：
📃 图像分类的典型模型 - 图1

常见的模型对比

图像识别模型 面世时间 网络层次 备注
LeNet 1998 5 卷积神经网络首次应用到经典手写数字模型识别上
AlexNet 2012 8 ILSVRC 2012比赛第1名，首个成功应用在ImageNet数据集上的深度学习模型
VGG 2014 16 ILSVRC 2014比赛第2名，通过重复使用简单的基础块来构建深度模型
GoogLeNet 2014 22 ILSVRC 2014比赛第1名，多通路设计的Inception块增加了网络宽度
ResNet 2015 50 ILSVRC 2015比赛第1名，残差块的设计方案使得网络可以设计得很深

LeNet

LeNet是最早的卷积神经网络之一。1998年，Yan LeCun第一次将LeNet卷积神经网络应用到图像分类上，在手写数字识别任务中取得了巨大成功。LeNet通过连续使用卷积和池化层的组合提取图像特征，其架构如下图所示。
📃 图像分类的典型模型 - 图2

LeNet网络结构详解

LeNet-5模型结构：
📃 图像分类的典型模型 - 图3
LeNet共包含8层网络，分别为：

  1. 输入层 (INPUT)
  2. 卷积层 (Convolutions, 简称C1)
  3. 池化层 (Subsampling, 简称S2)
  4. 卷积层 (C3)
  5. 池化层 (S4)
  6. 卷积层 (C5)
  7. 全连接层 (F6)
  8. 输出层 (径向基层)