HRNet网络结构

读完HRNet原文始终不能明白它的网络结构，于是在查看多篇文章及源码之后，终于按自己的理解画出了网络结构图。

本手画结构图为HRNetV1，用作人体姿态估计任务，并且以输入大小为256*192为例，即对应原文中的HRNet-W32。（字写的差，请别见怪(*￣︶￣)）

 

蓝色框表示HRNet每个stage的基本结构，在源码中，stage1表示为layer1。layer1的黄色框表示TransitionLayer，transition1只生成下采样分支，不进行信息交换（fuse），而stage2和stage3的黄色框包含了TransitionLayer和FuseLayer，stage4的黄色框是FuseLayer。

原文说第二、三、四个阶段分别包含1、4、3个交换块，总共8个交换块。其实就是，stage2重复一次，stage3重复4次，stage4重复3次，这样一来，这8个信息交换块分别为stage2的TransitionLayer-->transition2，stage3前三次的FuseLayer及最后的一个TransitionLayer-->transition3，stage4的3次FuseLayer。

不同分辨率的层之间怎么交换信息呢？

• 同分辨率的层直接复制
• 需要升分辨率的使用bilinear upsample + 1x1卷积将channel维度统一
• 需要降分辨率的使用strided 3x3 卷积。
• 三个feature map融合的方式是相加

 HRNet的在创新点在于把传统网络中高到底，低到高之间的串联方式改为并联，并且在高分辨率与低分辨率之间进行信息交换，这样就能在整个网络结构中保持高分辨率的特征表示。

参考：

​​​​​​https://blog.csdn.net/weixin_37993251/article/details/88043650?spm=1001.2014.3001.5506

https://blog.csdn.net/qq_41533576/article/details/120472456?spm=1001.2014.3001.5506

https://blog.csdn.net/gefeng1209/article/details/93142916?spm=1001.2014.3001.5506

https://blog.csdn.net/qq_35275007/article/details/115750787?spm=1001.2014.3001.5506

​​​​​​https://blog.csdn.net/yudw15/article/details/99600651?spm=1001.2014.3001.5506

https://zhuanlan.zhihu.com/p/335333233

https://mp.weixin.qq.com/s/egaRtvUJBpBJU1wXMFE-kg