concat add

concat和add是在深度学习中用于整合特征图信息的操作。concat操作更像是一个信息扩增的操作，可以增加通道的同时增加信息。在backbone中，可以使用concat来增加通道的同时增加信息。而在网络的head或classifier的时候，需要使用add来增加每个像素的信息。add操作是特征图相加，通道数不变，可以理解为描述图像的特征下的信息量增多了，但是描述图像的维度本身并没有增加。这对最终的图像分类是有益的。concat操作是通道数的合并，描述图像本身的特征增加了，而每一特征下的信息是没有增加的。总结来说，concat操作是信息扩增，add操作是信息融合。\[1\]\[2\]\[3\]
#### 引用[.reference_title]
- *1* *2* *3* [对concat和add的一点想法](https://blog.csdn.net/qq_17614495/article/details/117259862)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]