DenseNet是继ResNet之后提出的一种局部直连的网络。

image.png

DenseNet的优点可以总结为
1）有效减轻梯度弥散问题
2）增强特征传播
3）鼓励特征复用
4）更少的参数量
个人觉得DenseNet最妙的地方在于前面层的feature map使用了累积的方式，而不是resnet中的累加的方式，这样就直观的保留了前面层的信息，而且加宽的网络的宽度。

个人将在阅读中产生的一些疑惑内容放在最后一个模块---小问答中

一、背景介绍

ResNet和HighwayNet通过identity connection使得signal进行流动。Stochastic depth则通过类似于dropout的方法对ResNet进行随机失活。FractalNets重复结合多个平行层序列组合以获得较大的标称深度，并同时在网络中保留着不少的short paths。其实他们都有一个关键的特性就是创造short cut来连接layer与layer之间。
总结来说，一两年卷积神经网络提高效果的方向有三种，

1. 深层网络，deeper会带来特征在正向传播中的消失和梯度在反向传播中的弥散。Resnet的出现，是的深度问题的梯度消失得到了解决，网络可以设计的更加深。
2. 增加feature map的宽度（比如GoogleNet的Inception）或者说是通道数，
3. Densenet则从feature入手，通过对feature的极致利用达到更好的效果和更少的参数。

DenseNet受到ResNet的启发, 通过shortcut连接可以有效使得网络更加deeper，且不会出现像plainNet那样的degradation现象出现。而且一些ResNet变体则发现随机drop掉一些resblock并不会降低多少accuracy，这意味着一些Resblock并没有学习到多少有用的东西，而主要通过shortCut将上一个state进行传递而已。延续这个思路，Densenet在保证网络中层与层之间最大程度的信息传输的前提下，直接将所有层连接起来！

在作者的DenseNet中，作者并不准备通过summation来连接layers，而是通过concatenating将这些features进行连接起来。

这个就很刺激了。

在传统的卷积神经网络中，如果你有L层，那么就会有L个连接，但是在DenseNet中，会有L(L+1)/2个连接。简单讲，就是每一层的输入来自前面所有层的输出。如下图：x0是input，H1的输入是x0（input），H2的输入是x0和x1（x1是H1的输出）……

直觉上来说，输出层好像越来越多了。但是实际上这种设计其实有个反直觉的好处，那就是参数量可以减少。

原因是因为每个layer其实都相当于一个state，signal经过这个layer则改变这个state并将其传播到下一个state。ResNet显式的保存了上一个layer的state并传给了下一个layer可以有效改善网络的accuracy。这意味着一些feature可以被重复利用。dense block中每个卷积层的输出feature map的数量都很小,而不是像其他网络一样动不动就几百上千的宽度。同时这种连接方式使得特征和梯度的传递更加有效，网络也就更加容易训练。

Each layer has direct access to the gradients from the loss function and the original input signal, leading to an implicit deep supervision.

还一个好处就是信息可以多方向的往下传，而梯度则可以多方向的反向传，这会使得整个网络更加容易训练。每一层都直接连接input和loss，因此就可以减轻梯度消失现象，这样更深网络不是问题。

观察到这种dense connection有正则化的效果，因此对于过拟合有一定的抑制作用，博主认为是因为参数减少了（后面会介绍为什么参数会减少），所以过拟合现象减轻。

二、DenseNet结构

denseNet

denseNet是由dense block穿插卷积层和池化层构成的。每个denseBlock的模块就是首张图上的样子。

DenseBlock

下面这个公式很清晰，也就是在函数H(.)之前将所有feature map进行投入，可以跟之前的ResNet的输出函数进行对比。即可发现summation和concatenating之间的区别。

image.png

根据dense block的设计，后面几层可以得到前面所有层的输入，因此concat后的输入channel还是比较大的。

公式中的指的是复合函数，包含BN, relu, conv三个函数。

需要注意到一个growth rate的问题，在DenseNEt中有一个参数是growth rate，这个参数表示H(.)函数输出的feature map的channel数量。假设每个H(.)函数产生k层 feature map，那么对于第l层来说，其输入为 ,其中k0为输入denseblock的输入层大小。densenet的每层输出channel数量一般比较小，比如,论文中吧这个参数理解为growth rate,实验证明，这个小数值已经可以充分包含足够的信息量了。

Pooling划分dense block

由于在deep Network中有个重要的环节就是pooling，pooling会导致特征map尺寸的变化，导致不能进行concatenating。ResNet当时给出了几种处理方法，1）补零，2）projection connect。在DenseNet中，按照pooling划分，在每个区域中进行dense connect

denseBlock的优化---Bottleneck layers

虽然每个layer只产生k个feature maps，但是对每个layer的输入还是太多了。在之前的grow rate中，我们就用一个公式进行表示过输入feature maps的数量：。

在每个Dense Block中都包含很多个子结构，以DenseNet-169的Dense Block（3）为例，包含32个和的卷积操作，也就是第32个子结构的输入是前面31层的输出结果，每层输出的channel是32（growth rate），那么如果不做bottleneck操作，第32层的卷积操作的输入就是，近1000了。而加上1*1的卷积，代码中的卷积的channel是，也就是128，然后再作为卷积的输入。这就大大减少了计算量，这就是bottleneck。

那么第二种DenseNet的Hl(.)模型便表示如下:

BN-ReLu-Conv() -BN-ReLu-Conv().

并将该模型重新命名为DenseNet-B

Note：在本实验中，我们将卷积的固定输出在4k feature-maps。其中k则为上面的grow rate。

transition layer操作

放在两个Dense Block中间，是因为每个Dense Block结束后的输出channel个数很多，需要用的卷积核来降维。还是以DenseNet-169的Dense Block（3）为例，虽然第32层的卷积输出channel只有32个（growth rate），但是紧接着还会像前面几层一样有通道的concat操作，即将第32层的输出和第32层的输入做concat，前面说过第32层的输入是1000左右的channel，所以最后每个Dense Block的输出也是1000多的channel。因此这个transition layer有个参数reduction（范围是0到1），表示将这些输出缩小到原来的多少倍，默认是0.5，这样传给下一个Dense Block的时候channel数量就会减少一半，这就是transition layer的作用。

文中还用到dropout操作来随机减少分支，避免过拟合，毕竟这篇文章的连接确实多。

训练

DneseNet在训练时十分消耗内存，非常吃内存，一般需要整块的GPU运行，这是由于算法实现不优带来的。当前的深度学习框架对 DenseNet 的密集连接没有很好的支持，所以只能借助于反复的拼接（Concatenation）操作，将之前层的输出与当前层的输出拼接在一起，然后传给下一层。对于大多数框架（如Torch和TensorFlow），每次拼接操作都会开辟新的内存来保存拼接后的特征。这样就导致一个 L 层的网络，要消耗相当于 L(L+1)/2 层网络的内存（第 l 层的输出在内存里被存了 (L-l+1) 份）。为此作者又写了一个技术报告（Memory-Efficient Implementation of DenseNets)https://arxiv.org/pdf/1707.06990.pdf专门针对这一问题，介绍如何提升对内存的使用率，同时提供的Torch, PyTorch, MxNet 以及 Caffe 的实现。

小问答

1. densenet什么时候效果比resnet好？

答案：小数据集的时候，因为小数据集的时候容易产生过拟合，但是densenet能够很好的解决过拟合的问题，所以对于小数据集的情况下densenet的效果好于resnet。原因：DenseNet 具有非常好的抗过拟合性能，尤其适合于训练数据相对匮乏的应用。这一点从论文中 DenseNet 在不做数据增强（data augmentation）的 CIFAR 数据集上的表现就能看出来。例如不对 CIFAR100 做数据增强，之前最好的结果是 28.20% 的错误率，而 DenseNet 可以将这一结果提升至 19.64%。对于 DenseNet 抗过拟合的原因有一个比较直观的解释：神经网络每一层提取的特征都相当于对输入数据的一个非线性变换，而随着深度的增加，变换的复杂度也逐渐增加（更多非线性函数的复合）。相比于一般神经网络的分类器直接依赖于网络最后一层（复杂度最高）的特征，DenseNet 可以综合利用浅层复杂度低的特征，因而更容易得到一个光滑的具有更好泛化性能的决策函数。[1]

2. DenseNet和resnet为什么可以防止梯度弥散？

回答：传统的“提拉米苏”式卷积神经网络模型，都以层叠卷积层的方式提高网络深度，从而提高识别精度。但层叠过多的卷积层会出现一个问题，就是梯度弥散(Vanishing)，backprop无法把有效地把梯度更新到前面的网络层，导致前面的层参数无法更新。

而BatchNormalization（BN）、ResNet的skip connection就是为了解决这个问题，BN通过规范化输入数据改变数据分布，在前传过程中消除梯度弥散。而skip connection则能在后传过程中更好地把梯度传到更浅的层次中。那么为什么加了一个捷径就能把梯度传到浅层网络？

image.png

当进行后向传播时，右边来自深层网络传回来的梯度为1，经过一个加法门，橙色方向的梯度为dh(x)/dx=1，蓝色方向的梯度也为1。这样，经过梯度传播后，现在传到前一层的梯度就变成了[1, 0.0001, 0.01]，多了一个“1”！正是由于多了这条捷径，来自深层的梯度能直接畅通无阻地通过，去到上一层，使得浅层的网络层参数等到有效的训练！

确实bn能很好地解决梯度弥散问题。bn对解决梯度弥散更大的作用在于前传过程中对数据的分布处理，而skip connection更多的贡献在后传的信号传播。
BN就不是必需品，通过精准的调参就可以解决梯度弥散问题，我平时也不用BN，因为速度会慢，BN是给懒人用的。
但要注意resnet解决的并不是梯度弥散问题，原文里也说了，特别深层网络性能下降不是因为梯度弥散，具体原因resnet系列并没有给出回答，shattered gradient problem这篇文章里给出了一个解释。

参考文献

[1]https://blog.csdn.net/gbyy42299/article/details/80434388

[2]https://blog.csdn.net/shwan_ma/article/details/78165966

[3] https://zhuanlan.zhihu.com/p/28124810?group_id=883267168542789632