A DenseNet er en type foldet neur alt netværk, der bruger tætte forbindelser mellem lag, gennem Dense Blocks, hvor vi forbinder alle lag (med matchende feature-map-størrelser) direkte med hinanden.
Hvad bruges DenseNet til?
Det kan ses som algoritmer med en tilstand, der overføres fra et ResNet-modul til et andet. I DenseNet får hvert lag yderligere input fra alle foregående lag og videregiver sine egne feature-maps til alle efterfølgende lag. Sammenkædning bruges.
Hvad er DenseNet?
DenseNet er en af de nye opdagelser i neurale netværk til visuel objektgenkendelse DenseNet minder ret meget om ResNet med nogle grundlæggende forskelle. ResNet bruger en additiv metode (+), der fusionerer det forrige lag (identitet) med det fremtidige lag, hvorimod DenseNet sammenkæder (.)
Hvordan fungerer DenseNet?
For at opsummere bruger DenseNet-arkitekturen restmekanismen til sit maksimale ved at få hvert lag (af en samme tætte blok) til at forbinde til deres efterfølgende lag Denne models kompakthed gør de lærde funktioner, der ikke er overflødige, da de alle deles gennem en fælles viden.
Hvad er forskellen mellem ResNet og DenseNet?
Forskellen mellem ResNet og DenseNet er, at ResNet anvender summering for at forbinde alle foregående feature-maps, mens DenseNet sammenkæder dem alle [49].
