什么是 DenseNet？
DenseNet（Dense Convolutional Network）是一种在 2017 年由 Gao Huang 等人提出的卷积神经网络架构。 它通过引入“密集连接”（Dense Connections）机制，使每一层都直接与前面所有层相连， 极大地促进了特征重用并缓解了梯度消失问题。
DenseNet 的核心思想
在传统 CNN 中，第 l 层仅接收第 l-1 层的输出作为输入； 而在 DenseNet 中，第 l 层接收前面所有层（第 0 到 l-1 层）的特征图作为输入，并将自身输出传递给后续所有层。 这种设计显著减少了参数数量，增强了特征传播和梯度流动。
优势与特点
- 更强的梯度流动，缓解梯度消失
- 特征重用效率高，参数更少
- 隐式深度监督，提升模型泛化能力
- 适用于图像分类、目标检测、语义分割等多种任务
典型应用场景
DenseNet 已广泛应用于医学图像分析、遥感图像处理、自动驾驶感知系统等领域， 尤其在数据量有限但对模型精度要求高的场景中表现突出。