每天五分钟计算机视觉：稠密连接网络（DenseNet）-Toy模板网

这篇具有很好参考价值的文章主要介绍了每天五分钟计算机视觉：稠密连接网络（DenseNet）。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

本文重点

在前面的课程中我们学习了残差网络ResNet,而DenseNet可以看成是ResNet的后续，我们看一下图就可以看出二者的主要区别了。

DenseNet是一种卷积神经网络，它的特点是每一层都直接连接到所有后续层。这意味着，每一层都接收来自前一层的输出，并将其作为输入传递到下一层。这种连接方式实现了特征重用，使得网络能够更好地利用前面的特征信息，减少了参数的数量。

每天五分钟计算机视觉：稠密连接网络（DenseNet）,计算机视觉,计算机视觉,人工智能,神经网络,卷积神经网络,DenseNet

如图所示，主要区别就是ResNet使用相加的方式，而DenseNet使用在通道上面拼接的方式，这样就会使得模块A的输出可以直接传入模块B后面的层，使得模块A直接跟模块B后面的所有层连接在了一起。

稠密块

稠密块就是完成拼接的。拼接，就是在通道的维度上进行拼接，比如A的通道为3，而输出的通道为10，那么拼接的通道就是13了，这会造成通道过多，从而造成模型的复杂，要想解决这个问题，此时需要使用过渡层来完成通道的降维。

过渡层

前面我们学习过1*1的卷积层可以完成这个任务，所以我们使用1*1的卷积层作为过渡层的主要部分，并且使用步幅为2的平均池化层来减半高和宽，从而进一步的降低模型的复杂度。

参数效率高：由于每一层都直接连接到所有后续层，因此可以重用前面的特征信息，减少了参数的文章来源地址https://www.toymoban.com/news/detail-771457.html

到了这里，关于每天五分钟计算机视觉：稠密连接网络（DenseNet）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！