DenseNet (Densely Connected Convolutional Networks) - одна из новейших нейронных сетей для распознавания визуальных объектов. Он очень похож на ResNet , но имеет несколько принципиальных отличий. Со всеми улучшениями DenseNets имеет один из самых низких показателей ошибок в наборах данных CIFAR / SVHN: А для набора данных ImageNet DenseNets требует меньше параметров, чем ResNet, с той же точностью: Этот пост предполагает предыдущие знания нейронных сетей (NN) и сверток..

Этот пост можно скачать в формате PDF здесь . Это часть серии руководств по архитектуре CNN . Основная цель - дать представление о DenseNets и углубиться в DenseNet-121 для набора данных ImageNet. Для DenseNets, примененного к CIFAR10, есть еще одно руководство здесь . Индекс Фон Мотивация Какие проблемы решает DenseNets? Архитектура Резюме Фон Плотно соединенные сверточные сети [1], DenseNets, являются следующим шагом на пути дальнейшего увеличения глубины глубоких..

Мир архитектур сверточных нейронных сетей быстро становится более тесным и переполненным. Большинство студентов сосредоточились на использовании сетей VGG или ResNet и редко изучают другие архитектуры. Часто студенты считают, что превышение 50 уровней необязательно и требует больших вычислительных затрат. В этой короткой статье я пытаюсь показать достоинства отказа от архитектуры VGG или ResNet и изучения архитектуры сверточных сетей с плотными связями (DenseNet). Архитектура..