2017年国际计算机视觉与模式识别大会（IEEE Conference on Computer Vision and Pattern Recognition，CVPR2017）于7月21日至26日在美国夏威夷火奴鲁鲁岛召开，姚班计科30班刘壮同学以共同第一作者身份发表的大会论文Densely Connected Convolutional Networks（《密集连接的卷积神经网络》）获得了会议最佳论文奖。

刘壮同学以共同第一作者身份发表的论文获得CVPR2017最佳论文奖

论文主要的贡献是提出了一种全新的卷积神经网络架构DenseNet，显著地提升了模型在图片识别任务上的准确率。卷积神经网络（Convolutional Neural Networks, CNN）是深度学习与计算机视觉研究中最重要的模型之一。先前的研究中，在CNN中加入短路连接被证实为提升模型准确度最有效的方法之一，但是传统网络中每层网络仅与其前后相邻两层相连。在刘壮与合作者的研究中，CNN中的短路连接被发挥到极致，使得网络中每两层都相连，这样得到的网络模型称为密集连接的卷积网络（Densely Connected Convolutional Networks，DenseNets）。DenseNet的优点包括缓解了训练神经网络中著名的梯度消失现象，加强了特征的前向传播和重利用，以及大大提高了参数利用效率。在一系列图片分类数据集上，DenseNet在参数使用较少的情况下，均取得了显著的效果提升。

CVPR是计算机视觉与模式识别领域的国际顶级会议，2017年共收到2680篇投稿，接收了783篇，并最终评选出包括该论文在内的两篇最佳论文。此项工作是刘壮大三期间在康奈尔大学访问期间在Kilian Weinberger教授研究组完成，合作者还包括清华大学自动化系和康奈尔大学计算机系联合博士后黄高（博士毕业于清华大学自动化系），以及Facebook人工智能研究院的研究员Laurens van der Maaten。刘壮同学2013年以安徽省理科高考第一名的成绩，进入清华大学计算机科学实验班（姚班）学习，大三期间曾在交叉信息院资助下前往康奈尔大学计算机系进行了为期7个月的访问，即将于2017年8月赴美国加州大学伯克利分校攻读计算机博士。

论文全文链接：

http://openaccess.thecvf.com/content_cvpr_2017/papers/Huang_Densely_Connected_Convolutional_CVPR_2017_paper.pdf