DenseNet
DenseNet (Densely Connected Convolutional Network), eingeführt von Huang, Liu, van der Maaten und Weinberger auf der CVPR 2017 (Best Paper Award), verbindet jede Schicht mit jeder nachfolgenden Schicht innerhalb eines dichten Blocks, sodass jede Schicht die verketteten Feature-Maps aller vorhergehenden Schichten empfängt – maximiert die Wiederverwendung von Merkmalen, stärkt den Gradientenfluss und erzielt eine wettbewerbsfähige Genauigkeit mit wesentlich weniger Parametern als vergleichbare Architekturen wie ResNet.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/de/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.
- EfficientNetDeep Learning↔ compare
- ResNet (Residual Network)Deep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →