A DenseNet és un tipus de xarxa neuronal convolucional que utilitza connexions denses entre capes, mitjançant blocs densos, on connectem totes les capes (amb mides de mapes de característiques coincidents) directament amb mútuament.
Per a què serveix DenseNet?
Es pot veure com algorismes amb un estat passat d'un mòdul ResNet a un altre. A DenseNet, cada capa obté entrades addicionals de totes les capes precedents i passa els seus propis mapes de característiques a totes les capes subsegüents. S'utilitza la concatenació.
Què és DenseNet?
DenseNet és un dels nous descobriments en xarxes neuronals per al reconeixement visual d'objectes DenseNet és bastant semblant a ResNet amb algunes diferències fonamentals. ResNet utilitza un mètode additiu (+) que fusiona la capa anterior (identitat) amb la capa futura, mentre que DenseNet concatena (.)
Com funciona DenseNet?
Per resumir, l'arquitectura DenseNet utilitza el mecanisme residual al màxim per fer que totes les capes (d'un mateix bloc dens) es connectin a les seves capes posteriors La compacitat d'aquest model fa que els apresos Les funcions no són redundants, ja que totes es comparteixen mitjançant un coneixement comú.
Quina diferència hi ha entre ResNet i DenseNet?
La diferència entre ResNet i DenseNet és que ResNet adopta la suma per connectar tots els mapes de característiques anteriors, mentre que DenseNet els concatena tots [49].
