densenet思路 以及和残差网络区别，yolo不使用池化的原因。pytorch实现

待办

densenet思路以及和残差网络区别、以及densenet的pytorch实现

https://zhuanlan.zhihu.com/p/37189203

全卷积神经网络FCN的作用和功能以及主要思想

卷积神经网络的最后加上反卷积操作，进行上采样，从之前得到的特征图中采样，最后得到一个像素级别的语义分割。
简单的是就是将上述过程最后的 Fully Connected 换成了卷积，直接输出目标物体所属的像素范围。

https://www.tinymind.cn/articles/3815

yolo 不使用池化层的原因

它使用步幅为 2 的卷积层对特征图进行下采样，而不是使用池化层，这有助于防止通常由池化导致的低级特征丢失。