面向视觉识别的深度高分辨率表示学习
计算机视觉与模式识别
2020-03-16 v2
摘要
高分辨率表示对于位置敏感的视觉问题（如人体姿态估计、语义分割和目标检测）至关重要。现有最先进的框架首先通过一个由高到低分辨率卷积串联（例如 ResNet、VGGNet）形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。而我们提出的网络，名为高分辨率网络（High-Resolution Network, HRNet），在整个过程中始终保持高分辨率表示。其有两个关键特性：（i）并行连接高到低分辨率卷积流；（ii）反复跨分辨率交换信息。其优势在于，生成的表示语义更丰富且空间上更精确。我们在广泛的应用中展示了所提出的 HRNet 的优越性，包括人体姿态估计、语义分割和目标检测，表明 HRNet 是计算机视觉问题中一个更强大的骨干网络。所有代码均可在~{\url{https://github.com/HRNet}} 获取。
引用
@article{arxiv.1908.07919,
title = {Deep High-Resolution Representation Learning for Visual Recognition},
author = {Jingdong Wang and Ke Sun and Tianheng Cheng and Borui Jiang and Chaorui Deng and Yang Zhao and Dong Liu and Yadong Mu and Mingkui Tan and Xinggang Wang and Wenyu Liu and Bin Xiao},
journal= {arXiv preprint arXiv:1908.07919},
year = {2020}
}
备注
To appear in TPAMI. State-of-the-art performance on human pose estimation, semantic segmentation, object detection, instance segmentation, and face alignment. Full version of arXiv:1904.04514. (arXiv admin note: text overlap with arXiv:1904.04514)