【深度学习笔记】特征融合concat和add的区别

问题

在网络模型当中，经常要进行不同通道特征图的信息融合相加操作，以整合不同通道的信息，在具体实现方面特征的融合方式一共有两种，一种是 ResNet 和 FPN 等当中采用的 element-wise add ，另一种是 DenseNet 等中采用的 concat 。他们之间有什么区别呢？

add

以下是 keras 中对 add 的实现源码：

def _merge_function(self, inputs):
    output = inputs[0]
    for i in range(1