目标检测————主干网络是否应该选用DenseNet（提问）

1 前言

今天在学习机器学习~

第一次在听赵老师，讲到DenseNet时，我就感觉到很神奇，

感觉这种网络似乎用layer实现了一种类似于神经元层之间“全连接”的一种结构，让我感觉到很神奇，

而且这种网络结构在直觉上跟泰勒公式十分类似，

我感觉他们之间肯定是有关联的，

不过后来赵老师又说到，DenseNet用的很少，而且“计算量比较大”，

这让我感到很失望，因为在我心目中，DenseNet似乎是一种“大神”的存在，怎么会不好用呢？

所以这里我想还是探究一下，比较好~

其实更加现实的问题，就是，在进行目标检测的任务时，主干网络是否应该选用DenseNet呢？

说到DenseNet，我们应当也去了解一下他的先驱者ResNet，

（ResNet的提出似乎是为了解决一个“恒等映射”的问题，这个我们在后文中将会详细探讨）

我想既然提出了ResNet，说明CNN的网络架构一定是有局限性的，否则不可能出现“网络层数越深，loss值反而越大”的情况，那么需要探究的问题，就是：CNN架构的局限性，到底是因为NN架构引起的，还是CNN自己本身的“变异”引起的，DenseNet从理论上十分可以完美地解决这个问题呢？