DenseNet
DenseNet (Densely Connected Convolutional Network), wprowadzony przez Huang, Liu, van der Maaten i Weinberger na konferencji CVPR 2017 (Nagroda za Najlepszy Artykuł), łączy każdą warstwę z każdą kolejną warstwą wewnątrz bloku gęstego (dense block) w taki sposób, że każda warstwa otrzymuje połączone mapy cech ze wszystkich poprzednich warstw — maksymalizując ponowne wykorzystanie cech, wzmacniając przepływ gradientu i osiągając konkurencyjną dokładność przy znacznie mniejszej liczbie parametrów niż porównywalne architektury, takie jak ResNet.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/pl/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.
- EfficientNetUczenie głębokie↔ compare
- ResNet (Residual Network)Uczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →