Un DenseNet est un type de réseau neuronal convolutif qui utilise des connexions denses entre les couches, via des blocs denses, où nous connectons toutes les couches (avec des tailles de carte d'entités correspondantes) directement avec l'autre.
À quoi sert DenseNet ?
Il peut être vu comme des algorithmes avec un état passé d'un module ResNet à un autre. Dans DenseNet, chaque couche obtient des entrées supplémentaires de toutes les couches précédentes et transmet ses propres cartes de caractéristiques à toutes les couches suivantes. La concaténation est utilisée.
Qu'est-ce que DenseNet ?
DenseNet est l'une des nouvelles découvertes dans les réseaux de neurones pour la reconnaissance visuelle d'objets DenseNet est assez similaire à ResNet avec quelques différences fondamentales. ResNet utilise une méthode additive (+) qui fusionne la couche précédente (identité) avec la couche future, tandis que DenseNet concatène (.)
Comment fonctionne DenseNet ?
Pour résumer, l'architecture DenseNet utilise le mécanisme résiduel à son maximum en faire en sorte que chaque couche (d'un même bloc dense) se connecte à leurs couches suivantes La compacité de ce modèle rend l'apprentissage fonctionnalités non redondantes car elles sont toutes partagées à travers une connaissance commune.
Quelle est la différence entre ResNet et DenseNet ?
La différence entre ResNet et DenseNet est que ResNet adopte la sommation pour connecter toutes les feature-maps précédentes alors que DenseNet les concatène toutes [49].
