论文链接:https://arxiv.org/pdf/1904.04514.pdf
工程链接:https://github.com/maomaoyuchengzi/HRNet-Facial-Landmark-Detection
《High-Resolution Representations for Labeling Pixels and Regions
出处:北京大学阿德莱德分校 华中科技大学
作者的主要思想:高分辨率网络(HRNet)【91】,通过维持高分辨率特征表示用于人体姿态估计,同时该网络还讲High-to-low分辨率的卷积并联,通过跨越并联的卷积反复融合高分辨率的特征表示。作者对HRNet做出了一些调整,作者认为汇聚的高分辨率特征表示应该来自所有并行卷积而不是仅仅来自高分辨率卷积;
Modification.
在HRNetV1中只有高分辨率卷积特征表示输出(figure3(a)),该网络中高分辨率通道输出得到使用,而低分辨率卷积的子集信息被丢失。
作者使用上采样对低分辨率特征表示进行了尺度变换,并将特征表示结果进行了concat(Figure3(b)),命名为HRNetV2;并在目标检测中,通过下采样(平均池化)构建了多级的特征表示(figure3(c)),命名为HRNetV2p;
Conclusions
该篇论文在HRNetV1的调整,说明并联低分辨率的卷积特征对于模型性能的提升有很好的帮助作用;