- 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)