这种做法是非常自然的,事实上在这篇论文出来之前笔者也尝试过用Mobilenet的InvertedBottleNeck模块来替换HRNet的block,但因为替换后的版本依然不够轻量而作罢。 在随后的研究中,本法作者发现Naive Lite-HRNet的shuffle block中大量存在的1x1卷积成为了计算瓶颈,为此,作者提出了一种conditional channel weighting模块来替代1x1...
在Naive Lite-HRNet基础上,使用Conditional Channel Weighting操作代替Shuffle Block中的卷积,得到Lite-HRNet; 通过实验证明了在人体姿态估计、语义分割领域中,相比其他轻量级网络,Lite-HRNet有更低的计算量和更高的性能。 仅用于学习交流! END