一、论文理论
论文地址:Densely Connected Convolutional Networks
1.理论思想
DenseNet最大化前后层信息交流,通过建立前面所有层与后面层的密集连接,实现了特征在通道维度上的复用,不但减缓了梯度消失的现象,也使其可以在参数与计算量更少的情况下实现比ResNet更优的性能。
2.创新点
操作过程:
- 每一个Bottleneck输出的特征通道数是相同的,例如这里的K=32。同时可以看到,经过concat操作后的通道数是按K的增长量增加的,因此这个K也被称为GrowthRate。
- 这里1×1卷积的作用是固定输出通道数,达到降维的作用&#