CliqueNet

在北大杨一博等研究者提出来的CliqueNet中，相比于DenseNet，每个Clique Block只有一张经过提炼的特征图会馈送到下一个Clique Block，这样就大大增加了参数效率。 DenseNet通过复用不同层级的特征图，减少了不同层间的相互依赖性，且最终的预测会利用所有层的信息而提升模型鲁棒性。但是Yunpeng Chen等研究者在论文Dual Path Networks中表示随着网络深度的增加，DenseNet中的密集型连接路径会线性地增加，因此参数会急剧地增加。这就导致了在不特定优化实现代码的情况下会消耗大量的GPU显存。而在北大杨一博等研究者提出来的CliqueNet中，每个Clique Block只有一张经过提炼的特征图会馈送到下一个Clique Block，这样就大大增加了参数效率。