其中Figure2（a）就是ResNeXt的一部分，其中(a)的左边这个矩形的小 凸起 部分就代表每个残差模块输入输出，对于一个输入 x ，分两条路走，一条是 x 本身，即残差模块中的跳跃连接，而另一条就是经过 1x1 卷积+ 3x3 卷积+ 1x1 卷积（即瓶颈结构），然后把这两条路获得结果做一个求和即可，也即是文中的 + 符号，得到下一个残差模块的输入。

而Figure2（b）是DenseNet的一部分，其中(b)左边的多边形 凸起 代表每个密集连接模块输入输出，对于输入 x 只有一条路，即经过几层卷积之后和 x 做一个通道合并（ concat ），得到的输出又是下一个密集连接模块的输入，这样每一个密集连接模块的输入都在不断累加，可以看到这个多边形越来越宽。

Figure2（c）通过在(b)中的模块之间共享相同输出的第一个 1x1 卷积，密集连接模块退化成了残差模块，虚线圈起来的部分就是残差模块。

Figure2（d）是双路径体系结构（DPN），将同一层上ResNet的输出和DenseNet的输出按元素相加，再整体做卷积，然后将结果按原先通道分配的情况来分割又各分给残差模块和密集连接模块来连接，既有按元素相加又有通道相加，这就是DPN的双路径。

Figure2（e）实际上和Figure2（d）是工程等价的，其中 ~ 表示分割操作， + 表示元素级加法。一个模块中先连接，然后整体做卷积，再分开，分开之后残差模块的和残差模块相连，密集连接模块和密集连接模块相连，连完之后得到新的特征层。这一块完成后再做些卷积、pooling等，然后继续作为下一个模块的输入。