El modelo de hito del modelo de red neuronal convolucional propuesto por He en 2015 es

Las redes neuronales convolucionales se utilizaron por primera vez en LeNet propuesto por Yann LeCun en 1989, pero debido a la insuficiente potencia informática en ese momento, no se utilizaron ampliamente. En 1998, YannLeCun y sus colaboradores construyeron una red neuronal convolucional más completa, LeNet-5, y lograron con éxito el reconocimiento de dígitos escritos a mano. El éxito de LeNet-5 ha llamado la atención.

LeNet-5 sigue la estrategia de aprendizaje de LeCun (1989) y agrega una capa de agrupación para filtrar las características de entrada según el diseño original. LeNet-5 básicamente define la estructura básica de las redes neuronales convolucionales modernas. Se considera que la capa de agrupación de capas de convolución alterna en su estructura puede extraer de manera efectiva las características invariantes de traducción de la imagen de entrada, lo que hace que la extracción de características sea un gran paso adelante. Por lo tanto, generalmente creemos que Yann LeCun es el fundador de las redes neuronales convolucionales.

La red neuronal convolucional es un método de identificación eficiente desarrollado en los últimos años y que ha recibido una amplia atención. En la década de 1960, cuando Hubel y Wiesel estudiaban las neuronas utilizadas para la sensibilidad local y la selección de dirección en la corteza cerebral del gato, descubrieron que su estructura de red única podía reducir efectivamente la complejidad de las redes neuronales de retroalimentación y luego propusieron las redes neuronales convolucionales (CNN por sus siglas en inglés). corto). .