DenseNet图解

• 第一层为DenseNet 整体结构
• 第二层是Dense block结构
• 第三层是每一个Dense layer的结构

注意：每一次增加32个feature maps，然后和前面一层layer的feature maps相叠加，而不是和前面所有层的feature maps相叠加。（从信息流的观点来看，等同于和前面所有层feature maps相叠加）

• 每一个Dense layer中，先用1*1卷积减少feature map数量，然后用kernel_size=3*3,feature maps=32的卷积；然后将这个feature maps=32的新卷积和前面一层的feature maps相叠加起来，因此每次增加32个feature maps（growth rate=32）
• 在同一个Dense block内，重复多次（如DenseNet121={6,12,24,16}），，第一个DenseNet内feature map从64增加到256
• Txx表示Transition  Block xx：先1*1卷积将feature maps减半，然后2*2 pooling将feature map尺寸大小减半（56 =>28）