【动手学计算机视觉】第十五讲：卷积神经网络之LeNet
LeNet是由2019年图灵奖获得者、深度学习三位顶级大牛之二的Yann LeCun、Yoshua Bengio于1998年提出，它也被认为被认为是最早的卷积神经网络模型。但是，由于算力和数据集的限制，卷积神经网络提出之后一直都被传统目标识别算法(特征提取+分类器)所压制。终于在沉寂了14年之后的2012年，AlexNet在ImageNet挑战赛上一骑绝尘，使得卷积神经网络又一次成为了研究的热点。尽管近几年深度卷积网络非常热门，LeNet基本处于被忽略的状态，但是它的思想依然对CNN的学习有着不可忽视的价值。本文就详细介绍一下LeNet的结构，同时会详细介绍网络模型的搭建方法。
R-CNN：Faster R-CNN 模型学习笔记
R-CNN 系列模型是目标检测里的经典模型，同时也是 Caffe 的经典模型，所以为了学习 Caffe 和目标检测算法的知识，通过观看论文、网上的资料以及试着用自己的数据训练一个 Faster R-CNN 后，对于 Faster R-CNN 有了初步的了解，在此把论文内容和自己的理解整理并写下来。
