densenet思路 以及和殘差網絡區別，yolo不使用池化的原因。pytorch實現

待辦

densenet思路以及和殘差網絡區別、以及densenet的pytorch實現

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

全卷積神經網絡FCN的作用和功能以及主要思想

卷積神經網絡的最后加上反卷積操作，進行上采樣，從之前得到的特征圖中采樣，最后得到一個像素級別的語義分割。
簡單的是就是將上述過程最后的 Fully Connected 換成了卷積，直接輸出目標物體所屬的像素范圍。

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

yolo 不使用池化層的原因

它使用步幅為 2 的卷積層對特征圖進行下采樣，而不是使用池化層，這有助於防止通常由池化導致的低級特征丟失。