DenseNet是一种使用concatenate操作连接每一层的卷积网络，它提高了信息和梯度流动，降低了参数量，解决了梯度消失问题。与ResNet相比，DenseNet更关注特征重用，其瓶颈结构和transition层的设计使其更紧凑。实验表明，DenseNet在保持高性能的同时，参数量远小于ResNet。
DenseNet：Densely Connected Convolutional Networks
摘要
DenseNet 沿着 shortcut 连接的思想，将每一层与除该层外的所有层连接起来。每一层都将前面所有层的特征图谱作为输入（使用 concatenate 来聚合信息）。DenseNet 特点：消除了梯度消失问题，增强了特征传播，鼓励特征重用，大大减少了参数量。
DenseNet 代码：https://github.com/liuzhuang13/DenseNet
TensorFlow版的DenseNet：https://github.com/taki0112/Densenet-Tensorflow
1. 简介
想法和 ResNet 等类似，但 DenseNet 使用 concatenate 来聚合不同级别的特征（ResNet 使用的是 sum）。
DenseNet 需要更少的参数。
DenseNet 的另一个特点是 提高了整个网络的信息和梯度流动，这使得网络很容易训练。作者认为dense connection 有正则效果。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
