DenseNet 密集网络

每一层的输入来自于前面所有层的输出

论文

代码

tf实现

MXNet版本代码（有ImageNet预训练模型）

Caffe代码

解读

受 Highway、ResNet 等算法思路的启发，提出一种跨层的连接网络，思路非常简单，直接上图：

算法思路

   作者这个提法比较大胆，每个层的 input 包括之前所有层的信息，
   通过将前面N多个层的 Feature 组合起来，形成对特征更丰富的描述和判别。
   从思想上来讲，是比较容易接受的，看一个完整的网络结构图：

   这个网络包含3个 Dense Block，中间通过 Convolution 和 Pooling 连接。

   但是明显这将带来很大的计算量，我们来看作者是怎么处理的？

   由于每个Layer的输入会比较多，因此可以减少每一层的 Channel 数量，Feature 利用率比较高，
   整体算下来，同样的连接数量，会比 ResNet 的 Feature 更少，通过实验对比，用一半的计算量达到了 ResNet 的效果。