HRNet系列

概述

HRNet是2019年由微软亚洲研究院提出的一种全新的神经网络，不同于以往的卷积神经网络，该网络在网络深层仍然可以保持高分辨率，因此预测的关键点热图更准确，在空间上也更精确。此外，该网络在对分辨率敏感的其他视觉任务中，如检测、分割等，表现尤为优异。

该系列模型的FLOPS、参数量以及FP32预测耗时如下图所示。

目前PaddleClas开源的这类模型的预训练模型一共有7个，其指标如图所示，其中HRNet_W48_C指标精度异常的原因可能是因为网络训练的正常波动。

Models	Top1	Top5	Reference top1	Reference top5	FLOPS (G)	Parameters (M)
HRNet_W18_C	0.769	0.934	0.768	0.934	4.140	21.290
HRNet_W30_C	0.780	0.940	0.782	0.942	16.230	37.710
HRNet_W32_C	0.783	0.942	0.785	0.942	17.860	41.230
HRNet_W40_C	0.788	0.945	0.789	0.945	25.410	57.550
HRNet_W44_C	0.790	0.945	0.789	0.944	29.790	67.060
HRNet_W48_C	0.790	0.944	0.793	0.945	34.580	77.470
HRNet_W64_C	0.793	0.946	0.795	0.946	57.830	128.060

Models	Crop Size	Resize Short Size	Batch Size=1 (ms)
HRNet_W18_C	224	256	7.368
HRNet_W30_C	224	256	9.402
HRNet_W32_C	224	256	9.467
HRNet_W40_C	224	256	10.739
HRNet_W44_C	224	256	11.497
HRNet_W48_C	224	256	12.165
HRNet_W64_C	224	256	15.003