DenseNet
DenseNet (Réseau Convolutif à Connexions Denses), introduit par Huang, Liu, van der Maaten et Weinberger à la CVPR 2017 (Prix du Meilleur Article), connecte chaque couche à toutes les couches subséquentes au sein d'un bloc dense, de sorte que chaque couche reçoive les cartes de caractéristiques concaténées de toutes les couches précédentes — maximisant la réutilisation des caractéristiques, renforçant le flux de gradient et atteignant une précision compétitive avec considérablement moins de paramètres que des architectures comparables telles que ResNet.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/fr/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.
- EfficientNetApprentissage profond↔ compare
- ResNet (Réseau Résiduel)Apprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →