深度学习之卷积神经网络(13)DenseNet
Posted 炎武丶航
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习之卷积神经网络(13)DenseNet相关的知识,希望对你有一定的参考价值。
深度学习之卷积神经网络(13)DenseNet
Skip Connection的思想在ResNet上面获得了巨大的成功,研究人员开始尝试不同的Skip Connection方案,其中比较流行的就是DenseNet [1]。DenseNet将前面所有层的特征图信息通过Skip Connection与当前层输出进行聚合,与ResNet的对应位置相加方式不同,DenseNet采用在通道轴 c c c维度进行拼接操作,聚合特征信息。
[1] G. Huang, Z. Liu 和 K. Q. Weinberger, “Densely Connected Convolutional Networks,” CoRR, 卷 abs/1608.06993, 2016.
如下图所示,输入
X
0
\\boldsymbol X_0
X0通过
H
1
\\text{H}_1
H1卷积层得到输出
X
1
\\boldsymbol X_1
X1,
X
1
\\boldsymbol X_1
X1与
X
0
\\boldsymbol X_0
X0在通道轴上进行拼接,得到聚合后的特征张量,送入
H
2
\\text{H}_2
H2卷积层,得到输出
X
2
\\boldsymbol X_2
X2,同样的方法,
X
2
\\boldsymbol X_2
X2与前面所有层的特征信息
X
1
\\boldsymbol X_1
X1与
X
0
\\boldsymbol X_0
X0进行聚合,再送入下一层。如此循环,直至最后一层的输出
X
4
\\boldsymbol X_4
X4和前面所有层的特征信息
{
X
i
}
i
=
0
,
1
,
2
,
3
\\{X_i\\}_{i=0,1,2,3}
{Xi}i=0,1,2,3进行聚合得到模块的最终输出。这样一种基于Skip Connection稠密连接的模块叫做Dense Block。
DenseNet通过堆叠多个Dense Block构成复杂的深层神经网络,如下图所示:
下图比较了不同版本的DenseNet的性能、DenseNet与ResNet的性能比较,以及DenseNet与ResNet训练曲线。
以上是关于深度学习之卷积神经网络(13)DenseNet的主要内容,如果未能解决你的问题,请参考以下文章