【论文阅读纪录】High-Resolution Representations for Labeling Pixels and Regions(HRNetV2)

本文详细介绍了2019年论文《High-Resolution Representations for Labeling Pixels and Regions》的内容。论文探讨了保持高分辨率的网络结构在语义分割任务中的优势,对比了缩小再放大与并行路径提取信息的网络类型,并提出了HRNetV2,该网络通过并行路径保留高分辨率信息。实验在Cityscapes数据集上进行,显示了网络性能的显著提升。此外,文章提到了在open-mmlab中对HRNet的实现,供后续实践参考。
摘要由CSDN通过智能技术生成

前言:

{

    最近在github上看到了一个语义分割的汇总[1],上面有很多论文我都还没看过,这次我打算选一个比较新的来读读看。

    这次选择的论文是2019年的High-Resolution Representations for Labeling Pixels and Regions [2]。

}

 

正文:

{

    在论文的第一节,作者介绍了目前一些高分辨率风格的网络结构的特点。这些网络可分为两种,一种是缩小再放大的网络,例如[3];另一种是保持高分辨率的网络,这种网络通过并行路径提取全局信息和局部细节,例如[4](HRNetV1)。本论文所提出的网络就是保存高分辨率的第二种。

 

    在第三节,作者对论文提及的网络进行了详述。图1是网络的结构图。

    

    此网络由图2中的(a)和(b)组成。

    

    网络最后的输出是一个特征张量,见图3。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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