论文阅读: 2104.Lite-HRNet

最新推荐文章于 2024-04-25 10:06:03 发布
最新推荐文章于 2024-04-25 10:06:03 发布
阅读量430 收藏 1
点赞数 1
分类专栏： 论文算法 语义分割 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JNingWei/article/details/120125149
版权

2104.06403：Lite-HRNet: A Lightweight High-Resolution Network

创新点

  • 结构设计：

    • 在HRNet中用 shuffle block 替换 res block，得到了Naive Lite-HRNet。
    • 基于HRNet多尺度信息丰富的特性，加入了多尺度信息交互，并通过pooling的方法，降低了Shuffle Block中的1*1 Conv的计算复杂度。
    • 在这里插入图片描述

  • 动机：

    • 为了做一个高分辨率的轻量化HRNet网络。

  • 采用类似的思路，在HRNet多尺度特征交互方面再做些文章是可以进一步提升精度。

性能

  • 效果还可以，但是速度慢。把模型砍小一点，精度就跟不上了。所以比较鸡肋。
JNingWei
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Lite-HRNet
jacke121的专栏
04-14 7580
Lite-HRNet paper:https://arxiv.org/abs/2104.06403 code:https://github.com/HRNet/Lite-HRNet 本文是MSRA的研究员针对HRNet的轻量化设计，已被CVPR2021接收。从HRNet与轻量化网络ShuffleNet的组合出发，针对置换模块存在的计算瓶颈问题，提出了一种高效条件通道加权单元替换1x1卷积，并得到了本文的Lite-HRNet。所提Lite-HRNet在人体姿态估计方面取得了最佳的精度-速...
Lite-HRNet：轻量级HRNet，FLOPs大幅下降
我爱计算机视觉
04-19 1375
分享一篇新出的 CVPR 2021 轻量级网络论文 Lite-HRNet: A Lightweight High-Resolution Network ，大名鼎鼎的HRNet的升级版。论文...
探索高效轻量级深度学习模型：Lite-HRNet
最新发布
gitblog_00034的博客
04-25 595
探索高效轻量级深度学习模型：Lite-HRNet 项目地址:https://gitcode.com/HRNet/Lite-HRNet 在计算机视觉领域，深度学习模型已经成为了图像识别、分割和姿态估计等任务的核心工具。然而，这些模型往往计算复杂度高，对于资源有限的设备（如嵌入式系统或移动设备）来说，运行起来是一个挑战。为了解决这个问题， Lite-HRNet 应运而生，它是一个轻量化且高性能的深度神...
论文阅读|Lite-HRNet
weixin_45782047的博客
04-04 3108
人体姿态估计|Lite-HRNet
Lite-HRNet_model.zip
05-10
cvpr2021 Lite-HRNet的模型文件，具体使用可以看官方github：https://github.com/HRNet/Lite-HRNet，由于在谷歌网盘上不好下载，因此打包在一起方便下载
行为分析(五)：姿态估计部分（四）：Lite-HRNet
qq_37662375的博客
07-01 4173
Lite-HRNet: A Lightweight High-Resolution Network 这个Lite版本的轻型网络在论文中给的指标对于模型压缩量及其可观，值得复现一下，故于此学习。 摘要 我们提出了一种用于人体姿态估计的高效的高分辨率网络Lite-HRNet。我们首先直接将ShuffleNet中的高效shuffle模块应用到HRNet（高分辨率网络），与流行的轻量级网络（例如 MobileNet、ShuffleNet 和 Small HRNet）相比展现了更强的性能。我们发现在shuffl
Lite-HRNet.zip
04-16
1. **网络架构优化**：Lite-HRNet通过优化网络层次结构，减少不必要的计算，同时保持高分辨率路径的连续性。这样可以有效地降低模型的参数数量和FLOPs（浮点运算次数），提高运行速度。 2. **多分支结构**：Lite-...
HRNet-Image-Classification:在ImageNet上训练HRNet模型
05-25
[2020/03/13] TPAMI接受了我们的论文：。 根据要求，我们提供两种小型HRNet模型。 #parameters和GFLOP与ResNet18相似。 使用这两个小型模型的细分结果也可从。 TensoFlow实现可在。 谢谢 ！ 修复问题后启用了ONNX...
HRNet-Semantic-Segmentation-HRNet-OCR.zip_Python__Python_
08-09
在这个项目中，我们关注的是一个名为"HRNet-Semantic-Segmentation-HRNet-OCR.zip"的压缩包，它包含了一个基于Python和PyTorch 1.3实现的语义分割模型——OCRNet。OCRNet是一种高效的网络架构，特别适合于这种复杂的...
facial-landmark-detection-hrnet:HRNet的TensorFlow实现，用于面部标志检测
05-05
HRNet的TensorFlow实现，用于面部标志检测。 观看此演示视频： 。 特征 支持多个公共数据集：WFLW，IBUG等。 先进的模型架构：HRNet v2 数据扩充：随机缩放/旋转/翻转 模型优化：量化，修剪 入门 这些说明将为您...
cpp-LiteFlowNet一种用于光流估计的轻量卷积神经网络Caffe实现
08-16
LiteFlowNet: 一种用于光流估计的轻量卷积神经网络(Caffe实现)
Paper Reading - Model系列 - LiteHRNet
weixin_43953700的博客
03-26 2万+
Abstract 更多关注计算机视觉-Paper&Code - 知乎 paper code paper HRNet由微软亚洲研究院和中科大提出，已发表于CVPR2019 王井东 IEEE fellow 目前已经加入百度AIGroup作为CV首席架构师，主要研究领域为姿态估计、分割检测工业界学术界大牛。 回顾上次分享的HRNet，在保持高分辨和高语义信息下虽然得到了很好的效果，但是没有下采样阶段，模型复杂度高，部署困难的问题。对此团队继续推出了轻量化的LiteHRNet 总结来说文章主要以
Lite-HRNet: A Lightweight High-Resolution Network 阅读笔记
AnZhiJiaShu's blog
05-02 2277
Lite-HRNet: A Lightweight High-Resolution Network 论文阅读笔记 摘要： 本文提出了一个应用于人体姿态估计的非常有效的轻量级高分辨率网络：Lite-HRNet。我们首先简单地将ShuffleNet中高效的 shuffle block 应用于HRNet，相比流行的轻量级网络（如MobileNet、ShuffleNet和小型HRNet）能产生更强的性能。 shuffle blocks 中大量使用的 pointwise（1×1）卷积是计算瓶颈。我们引入了一个轻量级单
（五十四）论文阅读 | 人体姿态估计之 Lite-HRNet
Skies_的博客
01-16 2918
Lite-HRNet 的阅读笔记
2021-Lite-HRNet: A Lightweight High-Resolution Network
小毛激励我好好学习的博客
04-24 4576
1. Title Lite-HRNet: A Lightweight High-Resolution Network 2. Summary 写完笔记之后最后填，概述文章的内容，以后查阅笔记的时候先看这一段。 3. Problem Statement Human pose estimation一般比较依赖于高分辨率的特征表示以获得较好的性能，但是目前的网络计算量较大，不能称之为一个高效的网络结构，因此，本文想解决的问题就是如何在计算资源受到约束的情况下部署一个高效的高分辨率模型。 通过简单地将ShuffleN
关于Lite-HRNet要求的建立
邹小驴
10-18 547
这个可能就是自身bug。发现的原因是，我终端跑lite-hrnet时候，出现这个问题，但是，在pycharm里面就不是，因此我就发现这个可以用如下代码方案解决。出现ModuleNotFoundError No+module+named+'models'问题，这个问题不是同时建立mmcv和mmcv-full的问题。建立完后如下环境install过不去，主要是poseval这个文件。在此记录我坑，进攻自己查看，遇到问题多去mmcv查看。采用他给的方法如下，一直install过不去。
Paper Reading - HRNet 系列
weixin_43953700的博客
03-21 2万+
更多可关注 计算机视觉-Paper&Code - 知乎 先更新HRNet系列第一篇，留坑，炼丹的人命名都很奇怪，HRNet还以为是人力总监发的呢，OCRNet跟OCR文字识别又扯不上边，欢迎大家一起讨论学习 Deep high-resolution representation learning for human pose estimation Deep high-resolution representation learning for visual recognition H.
HRNet详解
热门推荐
gdtop的个人笔记
02-28 14万+
HRNet：Deep High-Resolution Representation Learning for Human Pose Estimation[github]（CVPR2019）这是一篇state-of-the-art级别的论文 19.9.8 update 本文老板的HRNet项目主页，以及已经应用并取得好成绩的应用方向 Pose estimation Semantic seg...
人体2D关键点检测 文章+代码（2020-2016）
lyx_323的博客
07-20 4144
文章+代码 1、HigherHRNet（CVPR2020，MSRA微软亚洲研究院） HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation github：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation 2、HRNet（CVPR2019，MSRA微软亚洲研究院） Deep High-Resolution Represe
processor_cfg: type: "processor.pose_demo.inference" gpus: 1 worker_per_gpu: 1 video_file: resource/data_example/skateboarding.mp4 save_dir: "work_dir/pose_demo" detection_cfg: model_cfg: configs/mmdet/cascade_rcnn_r50_fpn_1x.py checkpoint_file: mmskeleton://mmdet/cascade_rcnn_r50_fpn_20e bbox_thre: 0.8 estimation_cfg: model_cfg: configs/pose_estimation/hrnet/pose_hrnet_w32_256x192_test.yaml checkpoint_file: mmskeleton://pose_estimation/pose_hrnet_w32_256x192 data_cfg: image_size: - 192 - 256 pixel_std: 200 image_mean: - 0.485 - 0.456 - 0.406 image_std: - 0.229 - 0.224 - 0.225 post_process: true argparse_cfg: gpus: bind_to: processor_cfg.gpus help: number of gpus video: bind_to: processor_cfg.video_file help: path to input video worker_per_gpu: bind_to: processor_cfg.worker_per_gpu help: number of workers for each gpu skeleton_model: bind_to: processor_cfg.estimation_cfg.model_cfg skeleton_checkpoint: bind_to: processor_cfg.estimation_cfg.checkpoint_file detection_model: bind_to: processor_cfg.detection_cfg.model_cfg detection_checkpoint: bind_to: processor_cfg.detection_cfg.checkpoint_file
07-22
python pose_demo.py --gpus 1 --video resource/data_example/skateboarding.mp4 --worker_per_gpu 1 --skeleton_model configs/pose_estimation/hrnet/pose_hrnet_w32_256x192_test.yaml --skeleton_checkpoint ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值