A DenseNet-ը կոնվոլյուցիոն նեյրոնային ցանցի տեսակ է, որն օգտագործում է խիտ կապեր շերտերի միջև, խիտ բլոկների միջոցով, որտեղ մենք միացնում ենք բոլոր շերտերը (համապատասխան քարտեզի չափերով) ուղղակիորեն միմյանց։
Ինչի՞ համար է օգտագործվում DenseNet-ը:
Այն կարելի է դիտել որպես ալգորիթմներ, որոնց վիճակն անցնում է ResNet մոդուլից մյուսին: DenseNet-ում յուրաքանչյուր շերտ լրացուցիչ մուտքեր է ստանում նախորդ բոլոր շերտերից և իր սեփական առանձնահատկությունների քարտեզներով փոխանցում բոլոր հաջորդ շերտերին: Օգտագործվում է միացում։
Ի՞նչ է DenseNet?
DenseNet-ը նյարդային ցանցերում տեսողական օբյեկտների ճանաչման նոր հայտնագործություններից մեկն է DenseNet-ը բավականին նման է ResNet-ին՝ որոշ հիմնարար տարբերություններով:ResNet-ը օգտագործում է հավելումային մեթոդ (+), որը միաձուլում է նախորդ շերտը (ինքնությունը) ապագա շերտի հետ, մինչդեռ DenseNet-ը միացնում է (.)
Ինչպե՞ս է աշխատում DenseNet-ը:
Ամփոփելու համար, DenseNet-ի ճարտարապետությունն առավելագույնս օգտագործում է մնացորդային մեխանիզմը՝ ստիպելով յուրաքանչյուր շերտ (նույն խիտ բլոկի) միացնել իրենց հաջորդ շերտերին Այս մոդելի կոմպակտությունը ստիպում է սովորել հատկանիշները ոչ ավելորդ են, քանի որ դրանք բոլորն էլ կիսվում են ընդհանուր գիտելիքների միջոցով:
Ի՞նչ տարբերություն ResNet-ի և DenseNet-ի միջև:
ResNet-ի և DenseNet-ի միջև տարբերությունն այն է, որ ResNet-ն ընդունում է գումարումը նախորդ բոլոր հնարավորություն-քարտեզները միացնելու համար, մինչդեռ DenseNet-ը միավորում է բոլորին [49]:
