Dense Connectivity（密集连接）— 一种累积并复用先前全部特征的神经网络连接结构

Dense Connectivity（密集连接）是一种神经网络连接结构，其中每一层都会同时把此前所有层的输出（feature map）作为输入来使用。在传统 CNN 中，层与层通常是近似线性地串联起来的；而在 Dense Connectivity 中，前面层产生的特征会持续累积，并不断传递到后续层。这样的设计能够减少信息损失，促进特征复用，并让深层网络的训练更加稳定。

03/14/2026

DenseNet——一种通过直接连接所有层来实现特征复用与稳定训练的卷积神经网络结构

DenseNet 是卷积神经网络（Convolutional Neural Network, CNN）中的一种网络架构，其核心特点是 每一层都与之前的所有层直接相连。在普通 CNN 中，信息通常按照顺序逐层传递；而在 DenseNet 中，前面层计算得到的特征图会被后续所有层共同使用。这种结构 能够实现特征复用，并改善梯度传播，使得深层网络也能更高效、更稳定地完成训练。

03/14/2026