DenseNet 与其他算法相比,具有独特的网络结构,其由不同的模块Block 组成,对每一个Densenet模块而言,模块中的任意一层卷积的输入是该层前面各层concat后输出,因此,Block内每增加一各卷积层,输出的深度就会增加一个卷积层的卷积核数目。
优点:
1、输入与输出直接相连,反向传播时,梯度能直接传递到输入层,这就有效地避免了因深度过大导致模型梯度弥散的问题。
2、DenseNet主要通过稠密的连接来增加深度,强化特征传播
DenseNet 与其他算法相比,具有独特的网络结构,其由不同的模块Block 组成,对每一个Densenet模块而言,模块中的任意一层卷积的输入是该层前面各层concat后输出,因此,Block内每增加一各卷积层,输出的深度就会增加一个卷积层的卷积核数目。
优点:
1、输入与输出直接相连,反向传播时,梯度能直接传递到输入层,这就有效地避免了因深度过大导致模型梯度弥散的问题。
2、DenseNet主要通过稠密的连接来增加深度,强化特征传播