A DenseNet é um tipo de rede neural convolucional que utiliza conexões densas entre camadas, através de Blocos Densos, onde conectamos todas as camadas (com tamanhos de mapa de recursos correspondentes) diretamente com um ao outro.
Para que serve o DenseNet?
Pode ser visto como algoritmos com um estado passado de um módulo ResNet para outro. No DenseNet, cada camada obtém entradas adicionais de todas as camadas anteriores e passa seus próprios mapas de recursos para todas as camadas subsequentes. A concatenação é usada.
O que é DenseNet?
DenseNet é uma das novas descobertas em redes neurais para reconhecimento visual de objetos DenseNet é bastante semelhante ao ResNet com algumas diferenças fundamentais. ResNet usa um método aditivo (+) que mescla a camada anterior (identidade) com a camada futura, enquanto DenseNet concatena (.)
Como o DenseNet funciona?
Para resumir, a arquitetura DenseNet usa o mecanismo residual ao máximo, fazendo com que cada camada (de um mesmo bloco denso) se conecte às suas camadas subsequentes A compacidade deste modelo torna o aprendizado recursos não redundantes, pois todos são compartilhados por meio de um conhecimento comum.
Qual é a diferença entre ResNet e DenseNet?
A diferença entre ResNet e DenseNet é que ResNet adota a soma para conectar todos os mapas de características anteriores enquanto o DenseNet concatena todos eles [49].
