Lite-HRNet：一种轻量级高分辨率网络
计算机视觉与模式识别
2021-04-14 v1
摘要
我们提出了一种高效的高分辨率网络 Lite-HRNet，用于人体姿态估计。我们首先简单地将 ShuffleNet 中高效的 shuffle 块应用于 HRNet（高分辨率网络），相比 MobileNet、ShuffleNet 和 Small HRNet 等流行的轻量级网络取得了更强的性能。我们发现 shuffle 块中大量使用的逐点（1x1）卷积成为计算瓶颈。我们引入了一种轻量级单元——条件通道加权，来替代 shuffle 块中代价高昂的逐点（1x1）卷积。通道加权的复杂度相对于通道数量呈线性，低于逐点卷积的二次时间复杂度。我们的方案从所有通道以及 HRNet 并行分支中现成可用的多个分辨率学习权重。它使用权重作为桥梁在通道和分辨率之间交换信息，补偿了逐点（1x1）卷积所起的作用。Lite-HRNet 在人气轻量级网络上展示了优越的人体姿态估计结果。此外，Lite-HRNet 可以以相同的轻量级方式轻松应用于语义分割任务。代码和模型已公开于 https://github.com/HRNet/Lite-HRNet。
引用
@article{arxiv.2104.06403,
title = {Lite-HRNet: A Lightweight High-Resolution Network},
author = {Changqian Yu and Bin Xiao and Changxin Gao and Lu Yuan and Lei Zhang and Nong Sang and Jingdong Wang},
journal= {arXiv preprint arXiv:2104.06403},
year = {2021}
}
备注
Accepted to CVPR 2021