DenseNet
DenseNet (Densely Connected Convolutional Network), geïntroduceerd door Huang, Liu, van der Maaten en Weinberger op CVPR 2017 (Best Paper Award), verbindt elke laag met elke daaropvolgende laag binnen een dense block, zodat elke laag de geconcateneerde feature maps van alle voorgaande lagen ontvangt — wat feature hergebruik maximaliseert, gradiëntstroming versterkt en competitieve nauwkeurigheid bereikt met aanzienlijk minder parameters dan vergelijkbare architecturen zoals ResNet.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/nl/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
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →