DenseNet CVPR 2017 最佳论文

在2017年举办的国际计算机视觉与模式识别大会（简称CVPR2017）在美国夏威夷的火奴鲁鲁岛上顺利召开的情况下，
来自中国科学院大学姚班计科30班的刘壮同学作为联合第一作者，
其论文《密集连接的卷积神经网络》
不仅展示了创新的研究成果，
还荣获该会议的最佳论文奖。

论文的主要贡献在于提出了一种新型卷积神经网络架构DenseNet，在图片识别任务上的准确率得到了显著提升。

让我们一起拜读一下大牛的这篇文章吧！！！

摘要

根据最新研究发现，在邻近的输入层与输出层之间引入直接连接的方式（即捷径连接）后

在本文中，我们提出了一种名为稠密卷积网络（DenseNet）的新架构。传统的卷积神经网络（CNN）通常包含若干个连续的卷积层，在这种架构中每层只能与其直接后续的一层建立联系；而DenseNet则通过引入跳跃连接实现了模块间的深度信息传递，在这种设计下每一步层级都能够与其后续的所有层级产生直接的关联。

DenseNet 有以下优势：

• 减缓梯度消失
• 加强特征传递
• 有效特征复用
• 减少参数数量

DenseNet 在四个数据集（CIFAR-10, CI