面向视觉识别的深度高分辨率表示学习

高分辨率表示对于位置敏感的视觉问题至关重要，例如人体姿态估计、语义分割和目标检测。现有的最先进框架首先通过由高分辨率到低分辨率卷积串联（例如ResNet、VGGNet）组成的子网络将输入图像编码为低分辨率表示，然后从编码后的低分辨率表示中恢复高分辨率表示。相比之下，我们提出的名为高分辨率网络（HRNet）的网络在整个过程中保持高分辨率表示。该网络具有两个关键特性：(i) 高到低分辨率卷积流并行连接；(ii) 在不同分辨率之间反复交换信息。这样做的好处是生成的表示在语义上更加丰富，在空间上也更加精确。我们在包括人体姿态估计、语义分割和目标检测在内的广泛应用中展示了所提出的HRNet的优势，表明HRNet是解决计算机视觉问题的更强骨干网络。所有代码均可在以下网址获取：https://github.com/HRNet。