参考很多,仅为个人学习记录使用
论文:Densely Connected Convolutional Networks
发表时间:2016
一、概述
CVPR2017 的 oral。
CNN 的提高方向有变的更深(ResNet),也有变得更宽(Inception)。本文从 feature 入手,通过更好的利用 feature 来达到更好的效果。网络结构并不复杂,但十分有效。主要分为两部分,Dense Block 和 transition layers。Dense Block 中是密集连接的卷积层,transition layers 连接在各个 Dense Block 之间,用于改变尺寸和深度。
DenseNet 有如下优点:
- 有效解决梯度消失问题;
- 强化特征传播;
- 支持特征重用;
- 大幅度减少参数量;
二、Dense Block 和 transition layers
Dense Block 中的层结构就如上图中所示。这是一个 5 层的 Dense Block,每层的输出深度为 4。每一层的输入深度都包含了前面所有层的输出,这些输出通过深度级联的方式连接在一起(concat)。
可以将上述步骤用公式表示为:x_l = H_l[x_1, x_2, ... ,