深度学习论文之DenseNet

DenseNet：Densely Connected Convolutional Networks
论文地址：https://arxiv.org/pdf/1608.06993.pdf
DenseNet 是一种具有密集连接的卷积神经网络。在该网络中，任何两层之间都有直接的连接，也就是说，网络每一层的输入都是前面所有层输出的并集，而该层所学习的特征图也会被直接传给其后面所有层作为输入。下图是 DenseNet 的一个示意图。

网络结构：

1. 稠密连接（Dense connectivity）：在DenseNet结构中，将每一层的输出都导入后面的所有层，与ResNet的相加不同的是，DenseNet结构采用的是连结结构（concatenate）。这样的结构可以减少网络参数，避免ResNet中可能出现的缺点（例如某些层被选择性丢弃，信息阻塞等）。
2. 组成函数（Composite function）：Batch Normalization + ReLU + 3*3 Conv层
3. 过渡层：瓶颈层（bottleneck layer，即11卷积层）和池化层。11的卷积层用于将输入的K个特征图扩展成4K个。池化层采用了平均池化，strides=（2，2&#