稠密连接网络（DenseNet）是一种深度卷积神经网络，通过在网络中引入密集连接（dense connection）来增强特征重用和梯度流动，从而提高模型的性能和泛化能力。在DenseNet中，每个层都将前面所有层的输出作为其输入，形成了一个密集的连接结构。
与ResNet相比，DenseNet更加注重特征的重用和信息的共享，在计算效率上可能略有损失，但在模型精度和泛化能力上通常表现优异。DenseNet被广泛应用于计算机视觉任务，如图像分类、物体检测和语义分割等。
