Una DenseNet es un tipo de red neuronal convolucional que utiliza conexiones densas entre capas, a través de bloques densos, donde conectamos todas las capas (con tamaños de mapa de características coincidentes) directamente con unos a otros.
¿Para qué se usa DenseNet?
Puede verse como algoritmos con un estado pasado de un módulo ResNet a otro. En DenseNet, cada capa obtiene entradas adicionales de todas las capas anteriores y pasa sus propios mapas de características a todas las capas posteriores. Se utiliza la concatenación.
¿Qué es DenseNet?
DenseNet es uno de los nuevos descubrimientos en redes neuronales para el reconocimiento visual de objetos DenseNet es bastante similar a ResNet con algunas diferencias fundamentales. ResNet utiliza un método aditivo (+) que fusiona la capa anterior (identidad) con la capa futura, mientras que DenseNet concatena (.)
¿Cómo funciona DenseNet?
Para resumir, la arquitectura DenseNet utiliza el mecanismo residual al máximo al hacer que cada capa (de un mismo bloque denso) se conecte a sus capas subsiguientes La compacidad de este modelo hace que lo aprendido funciones no redundantes ya que todas se comparten a través de un conocimiento común.
¿Cuál es la diferencia entre ResNet y DenseNet?
La diferencia entre ResNet y DenseNet es que ResNet adopta la suma para conectar todos los mapas de características anteriores mientras que DenseNet los concatena a todos [49].
