DenseNet
DenseNet (Densely Connected Convolutional Network), introduceret af Huang, Liu, van der Maaten og Weinberger ved CVPR 2017 (Best Paper Award), forbinder hvert lag med alle efterfølgende lag inden for en tæt blok, så hvert lag modtager de konkatenere feature maps fra alle foregående lag — hvilket maksimerer genbrug af features, styrker gradientflow og opnår konkurrencedygtig nøjagtighed med væsentligt færre parametre end sammenlignelige arkitekturer som ResNet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Huang, G., Liu, Z., van der Maaten, L., & Weinberger, K. Q. (2017). Densely Connected Convolutional Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 4700–4708. DOI: 10.1109/CVPR.2017.243 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. ISBN: 978-0-262-03561-3 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/da/deep-learning/densenet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- EfficientNetDyb læring↔ compare
- ResNet (Residual Network)Dyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →