DenseNet yra konvoliucinio neuroninio tinklo tipas, kuris naudoja tankius ryšius tarp sluoksnių per tankius blokus, kur visus sluoksnius (su atitinkančiais objektų žemėlapio dydžiais) sujungiame tiesiogiai su vienas kitą.
Kam naudojamas DenseNet?
Jį galima žiūrėti kaip į algoritmus, kurių būsena perduodama iš vieno ResNet modulio į kitą. DenseNet kiekvienas sluoksnis gauna papildomų įvesties duomenų iš visų ankstesnių sluoksnių ir perduoda savo funkcijų žemėlapius visiems tolesniems sluoksniams. Naudojamas sujungimas.
Kas yra DenseNet?
DenseNet yra vienas iš naujų neuroninių tinklų atradimų, skirtų vaizdinių objektų atpažinimui DenseNet yra gana panašus į ResNet su tam tikrais esminiais skirtumais.„ResNet“naudoja pridėtinį metodą (+), kuris sujungia ankstesnį sluoksnį (tapatybę) su būsimu sluoksniu, o „DenseNet“sujungia (.)
Kaip veikia DenseNet?
Apibendrinant galima pasakyti, kad DenseNet architektūra maksimaliai naudoja liekamąjį mechanizmą sujungdama kiekvieną sluoksnį (to paties tankaus bloko) su vėlesniais sluoksniais Šio modelio kompaktiškumas leidžia išmokti funkcijos nėra perteklinės, nes visos jos yra bendrinamos bendromis žiniomis.
Kuo skiriasi ResNet ir DenseNet?
Skirtumas tarp ResNet ir DenseNet yra tas, kad ResNet priima sumavimą, kad sujungtų visus ankstesnius objektų žemėlapius, o DenseNet sujungia juos visus [49].
