【泡泡一分钟】稠密连接的卷积神经网络（CVPR-11）

每天一分钟，带你读遍机器人顶级会议文章

标题：Densely Connected Convolutional Networks

作者：Gao Huang, Zhuang Liu, Laurens van der Maaten

来源：CVPR 2017

编译：王慧国

播音员：王肃

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

 

摘要

大家好，今天为大家带来的文章是"Densely Connected Convolutional Networks"——稠密连接的卷积网络，该文章选自CVPR2017。

最近的研究表明，如果在靠近输入层和靠近输出层之间包含较短的连接，卷积神经网络可以变得更深，更精确，也更高效。在本文中，我们利用这个现象，并介绍稠密的卷积神经网络，其中每一层都和其余的每一层都以前馈方式连接。与传统卷积神经网络不同，传统神经网络有L层即有L个连接，其在每一层和它后序的层之间建立连接，我们的神经网络则有L*（L+1）/2个连接。对每一层来说，所有的在它前面的层的特征图都会作为该层的输入，而它自己的特征图则作为后序所有层的输入。

该卷积神经网络有下列几个优势：它能够有效的缓解梯度消失问题，加强了特征传播，鼓励特征复用以及极大地减少了参数数量。我们在四个极具挑战性的物体识别数据集（CIFAR-10,CIFAR100, SVHN, ImageNet）上对我们提出的网络模型进行了评估。在大多数情况下DenseNets获得了显著的改进，同时需要更少的计算来实现高性能。

图1.前面的每一层都作为后序层的输入

另外，你还可以获得相应的代码和预训练模型，链接地址：https://github.com/liuzhuang13/DenseNet

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

回复关键字“DCNN”，即可获取本文下载链接。

---

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com