resnet
由于f(x)+x是逐通道相加，所以要判断通道数是否相同，存在两种bottleneck,通道数不同时，需要对x进行downsample，使用1*1的卷积改变。
densenet
每个bottleneck输出的特征通道数是相同的，一般为32，这个值也称为growthrate.
densenet是拼接，所以需要在每个block上使尺寸保持一致。通过拼接之后通道数按照growthrate的量增加一般为（32）
fpn
fpn的连接，构造好自下而上和自上而下的结构之后，需要横向连接，高语义特征经过上采样之后尺寸与其对应的浅层特征相同，通道数
固定为256，所以需要浅层特征进行1*1卷积使得其通道数变为256，然后左右逐元素相加得到fpn的多个结果。
detnet
每个bottleneck得到的尺寸相同，通道数也相同。
yolov3
在进行拼接的时候，保持尺寸相同，通道数增加，也就是增加其维度。跟残差的直接相加不同。