HrNet V2论文总结及其代码详解（附完整模型tensorflow代码实现）

摘要：为了提高语义分割的精度，目前主流的趋势是先降低分辨率提取高级的语义特征，再采取多样的方法从低分辨率表示恢复到高分辨表示。在本文中则不然，HrNet V2在整个过程中都保持着高分辨率的表示。该模型分为先后五个阶段，第一阶段下采样到输入图像原有尺寸的1/4。随后，每一个阶段的开始添加从高分辨率通过下采样得到的低分辨率子网，结束前进行重复的多尺度融合，使得每一个分辨率可以重复的从其他分辨率获取信息。最后在第五阶段将所有的并行低分辨率子网的输出上采样到高分辨率子网的尺寸大小，然后通过连接所有的子网的表示获取到具有丰富信息的高分辨率表示。该模型在许多典型的语义分割数据集上都取得了更为精确的分割结果。
在这篇博客中我们详细的讲解了HrNet V2的方法并且对其开源代码进行了详细的解析。最后附上了我使用tensorflow对其进行复现的完整代码：
整篇篇博客以及实现代码发布在：
http://www.chenblog.ink/articles/Paper_HrNetV2.html