因为不像resnet那样简洁吧，但是理论贡献是绝对的。万法归宗，啥都是dense connect。shortcut ，fpn，aspp，unet++ 都是，只是dense的程度不一样而已。

**

训练一个完全dense的网络，然后在上面剪枝才是最好的方法，unet++如是说。

首先谈这两个之间的区别和联系，DenseNet和ResNet都是基于分类任务提出来的网络模型架构，架构思想也基本一致，既从小模块堆积到layer，再堆积layer到网络。现如今的检测和分割模型都是基于分类的模型来做backbone预训练并提取特征，但是实际上我们可以注意到DenseNet作为比ResNet较新的网络，不仅是每个layer中模块的数量(每个layer中的module数量基本一致，这样适合抽出backbone每层的特征做多尺度)，还是module得设计(module特征重用性很高，更适合检测和分割网络)，实际上都是要比ResNet优越的。我认为之所以ResNet用的要比DenseNet多的一个原因是因为ResNet本身是一个较为成熟的网络，关于ResNet的各种变体多，这些变体大都能和ResNet很好的融合，并且预训练文件和代码很多，可以很快的上手。第二个原因是在真正使用中要具体情况具体分析，ResNet并不一定比别的网络模型效果差，效果就算差也不会差很多。第三个原因是有很多基于ResNet的其它任务论文，如检测，分割，想要公平的比较新提出来的模块和思想最好保持backbone不变的情况下比较。