A DenseNet è un tipo di rete neurale convoluzionale che utilizza connessioni dense tra i livelli, attraverso i blocchi densi, dove colleghiamo tutti i livelli (con dimensioni della mappa delle caratteristiche corrispondenti) direttamente con l'un l' altro.
A cosa serve DenseNet?
Può essere visto come algoritmi con uno stato passato da un modulo ResNet a un altro. In DenseNet, ogni livello ottiene input aggiuntivi da tutti i livelli precedenti e trasmette le proprie mappe di funzionalità a tutti i livelli successivi. Viene utilizzata la concatenazione.
Cos'è DenseNet?
DenseNet è una delle nuove scoperte nelle reti neurali per il riconoscimento visivo di oggetti DenseNet è abbastanza simile a ResNet con alcune differenze fondamentali. ResNet utilizza un metodo additivo (+) che unisce il livello precedente (identità) con il livello futuro, mentre DenseNet concatena (.)
Come funziona DenseNet?
Per riassumere, l'architettura DenseNet utilizza il meccanismo residuo al massimo facendo in modo che ogni strato (di uno stesso blocco denso) si connetta ai livelli successivi La compattezza di questo modello rende l'apprendimento caratteristiche non ridondanti in quanto sono tutte condivise attraverso una conoscenza comune.
Qual è la differenza tra ResNet e DenseNet?
La differenza tra ResNet e DenseNet è che ResNet adotta la sommatoria per collegare tutte le mappe delle caratteristiche precedenti mentre DenseNet le concatena tutte [49].
