【沈向洋带你读论文】HRNet 高分辨率表征学习-【沈向洋带你读论文】HRNet 高分辨率表征学习

热门回复：

• 同济子豪兄:各类计算机视觉任务，往往都需先用CNN骨干网络提取图像特征，进而训练下游任务。但随着CNN逐层下采样，特征图长宽逐渐变小，长宽方向的空间位置信息逐渐丢失，对于图像分割、目标检测、关键点姿态估计等“像素位置敏感”的任务而言，无疑丢失了重要信息。 CVPR 2019提出的HRNet，通过保持全过程特征图的高分辨率，保留位置信息，霸榜了COCO三个关键点检测赛道的冠军。 如何设计高分辨率？高分辨率意味着什么？ 本期沈向洋老师邀请HRNet作者王井东老师，介绍HRNet背后的想法、做法、写法、心法。
• xpngzhng:HRnet真的很好用，两年前我所在的互联网公司的一个工业项目有用过这个算法，效果很好，我在另一个液晶面版缺陷检测项目里面尝试过HRnet，配合比较好的数据增强和IoU loss，几乎解决了生产环境中使用的算法的几乎所有缺陷，可惜啊受限于其他原因，HRnet的方法没部署。
• 什花梦里:收益良多:1.关于这种结构和卷积的思考，就是不同branch的融合方式；2.科研从最开始就要写作，这对于整个项目的进展和方向很有帮助。
• 闲读红袖添香520:期待HRFormer和HRVit
• guanguanboy:沈老师讲论文系列太有特色了。收获良多。