Een DenseNet is een type convolutief neuraal netwerk dat gebruik maakt van dichte verbindingen tussen lagen, via dichte blokken, waar we alle lagen (met overeenkomende feature-mapformaten) rechtstreeks verbinden met elkaar.
Waar wordt DenseNet voor gebruikt?
Het kan worden gezien als algoritmen met een status die van de ene ResNet-module naar de andere wordt doorgegeven. In DenseNet verkrijgt elke laag extra invoer van alle voorgaande lagen en geeft het zijn eigen feature-maps door aan alle volgende lagen. Aaneenschakeling wordt gebruikt.
Wat is DenseNet?
DenseNet is een van de nieuwe ontdekkingen in neurale netwerken voor visuele objectherkenning DenseNet lijkt vrij veel op ResNet, met enkele fundamentele verschillen. ResNet gebruikt een additieve methode (+) die de vorige laag (identiteit) samenvoegt met de toekomstige laag, terwijl DenseNet (.) samenvoegt
Hoe werkt DenseNet?
Om samen te vatten: de DenseNet-architectuur gebruikt het residumechanisme maximaal door elke laag (van hetzelfde dichte blok) te verbinden met hun volgende lagen De compactheid van dit model maakt het geleerde functies niet-redundant omdat ze allemaal worden gedeeld via een gemeenschappelijke kennis.
Wat is het verschil tussen ResNet en DenseNet?
Het verschil tussen ResNet en DenseNet is dat ResNet sommatie toepast om alle voorgaande feature-maps te verbinden, terwijl DenseNet ze allemaal samenvoegt [49].
