densenet参考文献

DenseNet，即密集连接网络（Densely Connected Convolutional Networks），是一种深度卷积神经网络架构，由Gao Huang等人于2016年提出，并在arXiv上发布了一篇名为《Densely Connected Convolutional Networks》的研究论文。这篇论文的主要参考文献如下：

1. Gao Huang, Zhuang Liu, Kilian Q. Weinberger. "Densely Connected Convolutional Networks." arXiv preprint arXiv:1608.06993 (2016). [[PDF](https://arxiv.org/pdf/1608.06993.pdf)]

在这篇论文中，作者介绍了密集连接的思想，即每个层都与其后续所有层相连，这样可以更有效地复用前一层的特征，减少了信息损失。DenseNet在许多计算机视觉任务中取得了良好的性能，特别是在图像分类和物体识别领域。

如果你需要进一步了解DenseNet的相关内容，还可以参考以下其他研究论文和发展方向：
- Yu Zhao, et al. "Progressive Dense Convolutional Networks for Multi-scale Image Segmentation." IEEE Transactions on Pattern Analysis and Machine Intelligence 41(5) (2019).
- Xiaolong Wang, et al. "Deep Residual Learning for Image Recognition." arXiv preprint arXiv:1512.03385 (2015).