论文笔记

HRNet，这里用的是PAMI2020的工作，整合了human pose estimation、object detection、semantic segmentation、image classification、facial landmark detection等多个视觉任务，目前Cityscapes test的分割任务中，精度最高的是HRNetV2+OCR，参考这里。下文会以semantic segmentaion的HRNetV2为主

主流的网络结构一般是多个conv实现encode（得了low-resolution的fm），再用deconv进行decode（得到high-resolution的fm），HRNet的pipeline是在网络整个处理过程中始终保持high-resolution的fm，同时并行加入encode的low-resolution的fm，框架图如下：