【Classical Network】HRNet
文章目录
- 网络介绍
- 并联、交互准则
- 最终分支的选择
参考文章
GitHub项目
网络介绍
在语义分割的时候需要得到一个高分辨率的heatmap进行关键点的检测。获取高分辨率的方式一般是采用先降分辨率再升分辨率的方法，例如U-Net，SegNet，DeconvNet，Hourglass。这些网络的一个特点是将不同的分辨率进行串联。
与上述Net不同的是，HRNet并联了不同分辨率，并添加不同分辨率之间的交互。
并联、交互准则
- 相同分辨率的层直接复制
- upsampling采用bilinear upsample + 1*1 kernel统一channel数
- downsample使用strides 3*3kernel（没有使用pooling)
- feature map 之间的融合方式是相加
最终分支的选择
- 普适性选择：使用分辨率最高的特征图
- 语义分割和面部关键点检测：将所有分辨率的特征图在进行upsampling到统一维度后进行concate
- 目标检测：在concate基础上使用特征金字塔
- 分类网络：四个分支融合