DenseNet არის კონვოლუციური ნერვული ქსელის ტიპი, რომელიც იყენებს მკვრივ კავშირებს ფენებს შორის, მკვრივი ბლოკების მეშვეობით, სადაც ჩვენ ვაკავშირებთ ყველა ფენას (შესაბამისი ფუნქციების რუქის ზომებით) პირდაპირ ერთმანეთი.
რისთვის გამოიყენება DenseNet?
ის შეიძლება განიხილებოდეს როგორც ალგორითმები, რომელთა მდგომარეობა გადადის ერთი ResNet მოდულიდან მეორეზე. DenseNet-ში, თითოეული ფენა იღებს დამატებით შეყვანას ყველა წინა ფენიდან და გადასცემს საკუთარ ფუნქციების რუკებს ყველა მომდევნო ფენას. გამოიყენება შეერთება.
რა არის DenseNet?
DenseNet არის ერთ-ერთი ახალი აღმოჩენა ნერვულ ქსელებში ვიზუალური ობიექტების ამოცნობისთვის DenseNet საკმაოდ ჰგავს ResNet-ს გარკვეული ფუნდამენტური განსხვავებებით. ResNet იყენებს დანამატის მეთოდს (+), რომელიც აერთიანებს წინა ფენას (იდენტობას) მომავალ შრესთან, ხოლო DenseNet აერთიანებს (.)
როგორ მუშაობს DenseNet?
შესაჯამებლად, DenseNet არქიტექტურა იყენებს ნარჩენ მექანიზმს მაქსიმუმში ყველა ფენის (იგივე მკვრივი ბლოკის) მიერთების შემდეგ ფენებთან ამ მოდელის კომპაქტურობა ასწავლის მახასიათებლები არაზედმეტად, რადგან ისინი ყველა გაზიარებულია საერთო ცოდნით.
რა განსხვავებაა ResNet-სა და DenseNet-ს შორის?
სხვაობა ResNet-სა და DenseNet-ს შორის არის ის, რომ ResNet იღებს შეჯამებას ყველა წინა მახასიათებლის-რუკის დასაკავშირებლად, ხოლო DenseNet აერთიანებს ყველა მათგანს [49].
