PP-HGNet(High Performance GPU Net)

发展历程：

DenseNet  -> VoVNet -> HGNet

VoVNet是DenseNet的改进，如图：

VoVNet论文网址：

https://arxiv.org/pdf/1904.09730

HGNet模型简介

PP-HGNet(High Performance GPU Net) 是百度飞桨视觉团队自研的更适用于 GPU 平台的高性能骨干网络，该网络在 VOVNet 的基础上使用了可学习的下采样层（LDS Layer），融合了 ResNet_vd、PPHGNet 等模型的优点，该模型在 GPU 平台上与其他 SOTA 模型在相同的速度下有着更高的精度。在同等速度下，该模型高于 ResNet34-D 模型 3.8 个百分点，高于 ResNet50-D 模型 2.4 个百分点，在使用百度自研 SSLD 蒸馏策略后，超越 ResNet50-D 模型 4.7 个百分点。与此同时，在相同精度下，其推理速度也远超主流 VisionTransformer 的推理速度。

HGNet模型细节

PP-HGNet 作者针对 GPU 设备，对目前 GPU 友好的网络做了分析和归纳，尽可能多的使用 3x3 标准卷积（计算密度最高）。在此将 VOVNet 作为基准模型，将主要的有利于 GPU 推理的改进点进行融合。从而得到一个有利于 GPU 推理的骨干网络，同样速度下，精度大幅超越其他 CNN 或者 VisionTransformer 模型。

PP-HGNet 骨干网络的整体结构如下：

其中，PP-HGNet是由多个HG-Block组成，HG-Block的细节如下：

代码地址：https://github.com/PaddlePaddle/PaddleClas/blob/release/2.5.2/docs/zh_CN/models/ImageNet1k/PP-HGNet.md

V2版本：https://github.com/PaddlePaddle/PaddleClas/blob/release/2.5.2/docs/zh_CN/models/ImageNet1k/PP-HGNetV2.md