DenseNet
DenseNet (Densely Connected Convolutional Network), introducerat av Huang, Liu, van der Maaten och Weinberger vid CVPR 2017 (Best Paper Award), kopplar varje lager till varje efterföljande lager inom ett tätt block så att varje lager tar emot de konkatenerade funktionskartorna från alla föregående lager — maximerar återanvändning av funktioner, stärker gradientflödet och uppnår konkurrenskraftig noggrannhet med betydligt färre parametrar än jämförbara arkitekturer som ResNet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Densely Connected Convolutional Network (DenseNet). ScholarGate. https://scholargate.app/sv/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.
- EfficientNetDjupinlärning↔ compare
- ResNet (Residual Network)Djupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →