許多新興智能物聯(lián)網(wǎng)應(yīng)用對(duì)輕量級(jí)多人姿勢(shì)估計(jì)的需求越來(lái)越大。然而，現(xiàn)有算法往往具有較大的模型尺寸和密集的計(jì)算需求，使得它們不適合實(shí)時(shí)應(yīng)用和在資源受限的硬件上部署。輕量級(jí)和實(shí)時(shí)的方法非常罕見(jiàn)，更多都是以低的精度為代價(jià)。

(相關(guān)資料圖)

在本文中提出了EfficientHRNet，這是一個(gè)輕量級(jí)多人人體姿勢(shì)估計(jì)器，能夠在資源受限的設(shè)備上實(shí)時(shí)執(zhí)行。通過(guò)將模型縮放的最新進(jìn)展與高分辨率特征表示相結(jié)合，EfficientHRNet可以創(chuàng)建高精確的模型，同時(shí)減少計(jì)算量以實(shí)現(xiàn)實(shí)時(shí)性能。最大的模型能夠達(dá)到當(dāng)前最先進(jìn)技術(shù)的4.4%的精度差距以內(nèi)，同時(shí)具有1/3的模型尺寸和1/6的計(jì)算，在Nvidia Jetson Xavier上達(dá)到23 FPS。與頂級(jí)實(shí)時(shí)方法相比，EfficientHRNet提高了22%的精度，同時(shí)以1/3的功率實(shí)現(xiàn)了類似的FPS。在每一個(gè)層面上，EfficientHRNet都被證明比其他自下而上的2D人體姿勢(shì)估計(jì)方法更具計(jì)算效率，同時(shí)達(dá)到了極具競(jìng)爭(zhēng)力的精度。

1、簡(jiǎn)介

2D人體姿態(tài)估計(jì)是許多流行的智能應(yīng)用程序中常用的任務(wù)，近年來(lái)取得了長(zhǎng)足進(jìn)展。2D人體姿態(tài)估計(jì)有兩種主要方法。第一種是自上而下的方法，其中提供了人類的裁剪圖像，網(wǎng)絡(luò)使用這些裁剪圖像生成人類關(guān)鍵點(diǎn)。自頂向下方法依賴于目標(biāo)檢測(cè)器來(lái)提供初始人類作物，因此它們通常具有相對(duì)較高的計(jì)算成本，并且不是真正的端到端方法。第二種是自下而上的方法，網(wǎng)絡(luò)從原始圖像開(kāi)始工作，并為圖像中的所有人生成人類關(guān)鍵點(diǎn)。雖然這些方法往往達(dá)不到最先進(jìn)的自頂向下方法所能達(dá)到的精度，但它們的模型大小和計(jì)算開(kāi)銷相對(duì)較低。即使如此，最先進(jìn)的自下而上方法仍然相當(dāng)大，計(jì)算成本也很高。目前的最先進(jìn)技術(shù)有6380萬(wàn)個(gè)參數(shù)，需要1543億浮點(diǎn)運(yùn)算。

許多新興的物聯(lián)網(wǎng)（IoT）應(yīng)用程序需要在攝像機(jī)旁邊的邊緣進(jìn)行輕量級(jí)實(shí)時(shí)多人姿勢(shì)估計(jì)。這在廣泛的智能互聯(lián)應(yīng)用程序中更為明顯，這些應(yīng)用程序需要持續(xù)的人類活動(dòng)分析和行為監(jiān)控。視頻監(jiān)控、患者監(jiān)控和公共安全等例子很少。所有這些應(yīng)用程序都需要能夠在物聯(lián)網(wǎng)邊緣設(shè)備上靠近攝像頭運(yùn)行的靈活但高度準(zhǔn)確的人體姿勢(shì)估計(jì)。盡管如此，對(duì)于開(kāi)發(fā)能夠在有限的計(jì)算資源下實(shí)時(shí)執(zhí)行的輕量級(jí)自下而上方法，卻缺乏關(guān)注。為了解決這一差距，需要一系列輕量級(jí)實(shí)時(shí)人體姿勢(shì)估計(jì)模型，這些模型的精度與最先進(jìn)的方法相當(dāng)。

在本文中提出了EfficientHRNet，這是一個(gè)輕量級(jí)可擴(kuò)展網(wǎng)絡(luò)家族，用于高分辨率和高效的實(shí)時(shí)自下而上的多人姿勢(shì)估計(jì)。EfficientHRNet統(tǒng)一了最先進(jìn)的EfficientNet和HRNet的原理，并提出了一種新的公式，可以實(shí)現(xiàn)接近最先進(jìn)的人體姿勢(shì)估計(jì)，同時(shí)比所有其他自下而上的方法更具計(jì)算效率。

與HRNet類似，EfficientHRNet使用多種功能分辨率來(lái)生成關(guān)鍵點(diǎn)，但效率更高。同時(shí)，它使用EfficientNet作為主干，并調(diào)整其縮放方法，以更好地適合人類姿勢(shì)估計(jì)。為了實(shí)現(xiàn)輕量級(jí)實(shí)時(shí)執(zhí)行，EfficientHRNet進(jìn)一步擴(kuò)展了EfficientNet公式，不僅可以縮小基線，還可以聯(lián)合縮小輸入分辨率、高分辨率網(wǎng)絡(luò)和熱圖預(yù)測(cè)網(wǎng)絡(luò)。通過(guò)這一點(diǎn)能夠創(chuàng)建一系列網(wǎng)絡(luò)，這些網(wǎng)絡(luò)能夠解決實(shí)時(shí)2D人體姿勢(shì)估計(jì)的整個(gè)領(lǐng)域，同時(shí)能夠靈活滿足應(yīng)用程序的精度和計(jì)算要求。

作者評(píng)估了COCO數(shù)據(jù)集的準(zhǔn)確性和英偉達(dá)NX Xavier的實(shí)時(shí)性能。圖1展示了本文的模型如何在較低的計(jì)算成本下提供與直接模型相同或更高的精度。

與最先進(jìn)的模型相比，基線EfficientNet在精度方面具有競(jìng)爭(zhēng)力，但需要的計(jì)算量要少得多，因此推斷速度更快。與HRNet相比，EfficientHRNet的精度提高了0.4%，同時(shí)計(jì)算需求減少了34%。與HigherHRNet和PersonLab相比，EfficientHRNet的準(zhǔn)確度下降了1.7%至5.1%，計(jì)算需求下降了83%至93%，令人印象深刻。這導(dǎo)致FPS比HigherHRNet增加3.4倍。

即使與專門為輕量級(jí)執(zhí)行而設(shè)計(jì)的模型（如lightweight OpenPose）相比，縮小的EfficientHRNet也能夠?qū)崿F(xiàn)10.1%的精度超越，同時(shí)進(jìn)一步減少15%的計(jì)算量，保持相似的FPS。

此外，已在ImageNet上對(duì)縮小的主干模型進(jìn)行了單獨(dú)評(píng)估。結(jié)果表明，在取得比同行更高的效率的同時(shí)，具有競(jìng)爭(zhēng)力的準(zhǔn)確性。

總之，本文有以下貢獻(xiàn)：

將EfficientHRNet作為第一種方法為自下而上的實(shí)時(shí)多人2D人體姿勢(shì)估計(jì)提供輕量級(jí)、可縮放的模型，從而達(dá)到與最先進(jìn)技術(shù)相當(dāng)?shù)木?。提出了一種新的公式，將EfficientNet的可擴(kuò)展性整合到整個(gè)高分辨率網(wǎng)絡(luò)中，以降低計(jì)算復(fù)雜性并允許實(shí)時(shí)執(zhí)行。是第一個(gè)提供向下縮放公式創(chuàng)建一系列緊湊的EfficientNet模型，這些模型可擴(kuò)展到計(jì)算能力受限的嵌入式和邊緣物聯(lián)網(wǎng)設(shè)備的基線以下。對(duì)具有挑戰(zhàn)性的COCO數(shù)據(jù)集進(jìn)行了全面分析，以顯示模型在準(zhǔn)確性、模型大小、計(jì)算復(fù)雜性、效率和實(shí)時(shí)執(zhí)行方面與最先進(jìn)和實(shí)時(shí)方法的對(duì)比情況。對(duì)最先進(jìn)的嵌入式物聯(lián)網(wǎng)GPU（Nvidia Jetson NX）進(jìn)行了廣泛的性能分析，以證明EfficientHRNet相對(duì)于現(xiàn)有算法的執(zhí)行優(yōu)勢(shì)。2、相關(guān)工作2.1、Top-down Methods

自頂向下的方法依賴于首先使用對(duì)象檢測(cè)器識(shí)別圖像中的所有人，然后在定義的邊界框內(nèi)檢測(cè)單個(gè)人的關(guān)鍵點(diǎn)。這些單人和多人姿勢(shì)估計(jì)方法通常使用對(duì)象檢測(cè)器生成人物邊界框。例如，RMPE在單人姿勢(shì)估計(jì)器疊加沙漏網(wǎng)絡(luò)的基礎(chǔ)上添加對(duì)稱空間變換網(wǎng)絡(luò)，以從不精確的邊界框中獲得高質(zhì)量的區(qū)域，然后使用參數(shù)非最大值抑制檢測(cè)姿勢(shì)。

2.2、Bottom-up Methods

自底向上方法檢測(cè)圖像中的無(wú)身份關(guān)鍵點(diǎn)，并使用各種關(guān)鍵點(diǎn)分組技術(shù)將其分組為人。方法類似于并通過(guò)整數(shù)線性程序和非最大值抑制執(zhí)行分組。與具有幾乎相似精度的自頂向下方法相比，這允許更快的推理時(shí)間。其他方法通過(guò)使用貪婪分組技術(shù)以及其他優(yōu)化進(jìn)一步改進(jìn)預(yù)測(cè)時(shí)間。例如，OpenPose是一個(gè)多階段網(wǎng)絡(luò)，其中一個(gè)分支以熱圖的形式檢測(cè)關(guān)鍵點(diǎn)，而另一個(gè)分支生成用于將關(guān)鍵點(diǎn)彼此關(guān)聯(lián)的Part Affinity Fields。

分組是通過(guò)計(jì)算所有關(guān)鍵點(diǎn)之間的線積分并對(duì)積分最高的一對(duì)進(jìn)行分組來(lái)完成的。輕量級(jí)OpenPose用MobileNet取代更大的主干網(wǎng)，以更少的參數(shù)和FLOP實(shí)現(xiàn)實(shí)時(shí)性能，同時(shí)降低準(zhǔn)確性。PifPaf使用“零件強(qiáng)度場(chǎng)”檢測(cè)身體部位，使用“零件關(guān)聯(lián)場(chǎng)”將零件相互關(guān)聯(lián)以形成人體姿勢(shì)。堆疊沙漏網(wǎng)絡(luò)用于預(yù)測(cè)熱圖和分組關(guān)鍵點(diǎn)。

分組是通過(guò)為每個(gè)關(guān)鍵點(diǎn)分配一個(gè)嵌入（稱為標(biāo)記），然后根據(jù)標(biāo)記向量之間的L2距離關(guān)聯(lián)這些關(guān)鍵點(diǎn)來(lái)完成的。

2.3、Multi-scale High-Resolution Networks

特征金字塔網(wǎng)絡(luò)增強(qiáng)了多尺度表示，廣泛應(yīng)用于復(fù)雜和必要的計(jì)算機(jī)視覺(jué)應(yīng)用，如分割和姿勢(shì)估計(jì)。使用上采樣、擴(kuò)展卷積和反卷積等技術(shù)恢復(fù)高分辨率特征圖在目標(biāo)檢測(cè)、語(yǔ)義分割和姿勢(shì)估計(jì)方面也非常流行。此外，有幾項(xiàng)工作側(cè)重于直接生成高分辨率特征圖。

HRNet建議在整個(gè)網(wǎng)絡(luò)中維護(hù)高分辨率特征圖。HRNet由跨多個(gè)階段具有不同分辨率的多個(gè)分支組成。通過(guò)多尺度融合，HRNet能夠生成高分辨率的特征地圖，并將其應(yīng)用于目標(biāo)檢測(cè)、語(yǔ)義分割和姿勢(shì)估計(jì)，從而獲得顯著的精度。

最近，提出了用于多人姿勢(shì)估計(jì)的HigherHRNet，它使用HRNet作為基礎(chǔ)網(wǎng)絡(luò)來(lái)生成高分辨率特征圖，并進(jìn)一步添加了反卷積模塊來(lái)預(yù)測(cè)準(zhǔn)確、高質(zhì)量的熱力圖。HigherHRNet在COCO數(shù)據(jù)集上實(shí)現(xiàn)了一流的精度，超過(guò)了所有現(xiàn)有的自底向上方法。本文采用HigherHRNet原理，通過(guò)多尺度融合生成高分辨率特征圖預(yù)測(cè)高質(zhì)量的熱力圖。

2.4、Model Scaling

以前關(guān)于自底向上姿勢(shì)估計(jì)的工作通常依賴于大型主干網(wǎng)絡(luò)，如ResNet或VGGNet，或大輸入分辨率和多尺度訓(xùn)練，以達(dá)到最先進(jìn)的精度。最近的一些工作表明，增加其他相同模型的通道尺寸可以進(jìn)一步提高精度。EfficientNet和RegNet表明，通過(guò)聯(lián)合縮放網(wǎng)絡(luò)寬度、深度和輸入分辨率，與以前使用更大模型的先進(jìn)網(wǎng)絡(luò)相比，可以實(shí)現(xiàn)更好的圖像分類效率。最近，EfficientNet的精簡(jiǎn)模型刪除了一些元素，例如squeeze and excite層和swish層，使網(wǎng)絡(luò)更加硬件友好。

受EfficientNet啟發(fā)，EfficientDet提出了一種用于目標(biāo)檢測(cè)的復(fù)合縮放方法以及高效的多尺度特征融合。對(duì)于多人姿勢(shì)估計(jì)，尤其是嵌入式設(shè)備，缺乏有效的縮放方法。對(duì)于注重實(shí)時(shí)性能的計(jì)算機(jī)視覺(jué)應(yīng)用，需要具有可擴(kuò)展性和相對(duì)精確性的輕量級(jí)姿態(tài)估計(jì)模型。作者提出的復(fù)合縮放也受到了EfficientNet的啟發(fā)，是一種聯(lián)合縮放EfficientHRNet的寬度、深度和輸入分辨率以及高分辨率模塊內(nèi)的重復(fù)的方法。此外，這種復(fù)合縮放允許EfficinentNet主干擴(kuò)展到B0以下，從而創(chuàng)建更輕的模型。

2.5、Real-Time Pose Estimation

雖然該領(lǐng)域的大多數(shù)工作都側(cè)重于孤立的準(zhǔn)確性，但最近的一些工作已經(jīng)發(fā)展起來(lái)，將重點(diǎn)更多地轉(zhuǎn)移到實(shí)時(shí)推斷上。專注于實(shí)時(shí)執(zhí)行，使用密集連接的殘差模塊和高分辨率特征圖，實(shí)現(xiàn)精確和輕量級(jí)的單人姿勢(shì)估計(jì)，能夠在Nvidia 1080TI上實(shí)現(xiàn)39 FPS。Lightweight OpenPose將OpenPose修改為使用MobileNet主干和更少的細(xì)化階段，并使用Intel OpenVINO Toolkit在Intel NUC 6i7KYB上獲得28 FPS。Nvidia還專注于實(shí)時(shí)推理，發(fā)布了trt位姿，這是一種使用TensorRT和DeepStream優(yōu)化的單人位姿估計(jì)模型，在英偉達(dá)Jetson Xavier上實(shí)現(xiàn)了高達(dá)251幀/秒的速度。

3、本文方法3.1、Network Architecture and Formulation1、Backbone Network

EfficientHRNet的第一個(gè)階段是主干，由修改后的EfficientNet組成，其比例低于基線。主干輸出四個(gè)不同分辨率的特征圖，分辨率為輸入圖像大小的1/4、1/8、1/16和1/32。這些特征圖被傳遞到網(wǎng)絡(luò)主體中，稱為高分辨率網(wǎng)絡(luò)。

2、High-Resolution Network

高分辨率網(wǎng)絡(luò)的靈感來(lái)自HRNet和HigherHRNet。借用這些高分辨率網(wǎng)絡(luò)的原理帶來(lái)了兩大優(yōu)勢(shì)：

通過(guò)在整個(gè)網(wǎng)絡(luò)中維護(hù)多個(gè)高分辨率特征表示，可以生成具有更高空間精度的熱力圖。重復(fù)的多尺度融合允許高分辨率特征表示通知低分辨率表示，反之亦然，從而產(chǎn)生理想的魯棒多分辨率特征表示用于多人姿勢(shì)估計(jì)。

圖2顯示了EfficientHRNet的詳細(xì)架構(gòu)圖。它顯示了3個(gè)子網(wǎng)絡(luò)：主干網(wǎng)絡(luò)、高分辨率網(wǎng)絡(luò)和熱圖預(yù)測(cè)網(wǎng)絡(luò)。它還提供了顯示網(wǎng)絡(luò)如何縮放輸入分辨率和特征圖寬度的方程。

高分辨率網(wǎng)絡(luò)有3個(gè)階段、和，包含4個(gè)不同分辨率的并行分支、、和。第一階段從兩個(gè)分支和開(kāi)始，每個(gè)連續(xù)階段添加一個(gè)額外的分支，直到所有4個(gè)分支都出現(xiàn)在中。這4個(gè)分支分別由寬度為的高分辨率模塊組成。每個(gè)分支都包含反映主干網(wǎng)絡(luò)輸出分辨率的降低分辨率的特征表示，如圖2和以下等式所示：

例如，第2級(jí)（）有3個(gè)分支，分辨率為原始輸入圖像分辨率的1/4、1/8和1/16，寬度為。此外，每個(gè)高分辨率模塊由多個(gè)塊組成，每個(gè)塊包含2個(gè)殘差塊，每個(gè)殘差塊通過(guò)殘差連接執(zhí)行3次卷積操作。

3、Heatmap Prediction Network

熱力圖預(yù)測(cè)網(wǎng)絡(luò)用于生成人類關(guān)鍵點(diǎn)預(yù)測(cè)。為了預(yù)測(cè)更準(zhǔn)確的熱力圖，在高分辨率網(wǎng)絡(luò)的頂部添加了一個(gè)DeConv塊。轉(zhuǎn)置卷積用于生成高質(zhì)量的特征圖，其分辨率為原始輸入分辨率的1/2。DeConv塊的輸入是特征圖和來(lái)自高分辨率網(wǎng)絡(luò)的預(yù)測(cè)熱圖的串聯(lián)，如下式所示：

反卷積后添加兩個(gè)殘差塊，以細(xì)化上采樣特征圖。在DeConv塊之后，使用1×1卷積預(yù)測(cè)熱力圖和標(biāo)記圖，每個(gè)熱力圖的特征圖大小如下所示：

分組過(guò)程通過(guò)將標(biāo)簽具有最小L2距離的關(guān)鍵點(diǎn)分組，將關(guān)鍵點(diǎn)分組為多個(gè)人。高分辨率網(wǎng)絡(luò)具有尺度感知能力，在訓(xùn)練期間對(duì)熱圖使用多分辨率監(jiān)控，使網(wǎng)絡(luò)能夠更精確地學(xué)習(xí)，即使是對(duì)小尺度人也是如此。根據(jù)GT生成不同分辨率的熱力圖，以匹配不同尺度的預(yù)測(cè)關(guān)鍵點(diǎn)。

因此，最終熱力圖損失是所有分辨率的均方誤差之和。然而，由于高分辨率標(biāo)記映射不能很好地收斂，標(biāo)記映射的分辨率是原始輸入分辨率的1/4。

3.2、Compound Scaling Method

本節(jié)詳細(xì)介紹了復(fù)合縮放方法，該方法可聯(lián)合縮放EfficientHRNet的所有部分，如圖2和表1所示。EfficientHRNet的目標(biāo)是提供一系列針對(duì)精度和效率進(jìn)行優(yōu)化的模型，這些模型可以縮放以滿足不同的內(nèi)存和計(jì)算約束集。

以前關(guān)于自下而上的人體姿勢(shì)估計(jì)和語(yǔ)義分割的工作主要通過(guò)使用更大的主干網(wǎng)絡(luò)（如ResNet和VGGNet）、使用較大的輸入圖像大小或使用多尺度訓(xùn)練來(lái)實(shí)現(xiàn)高精度來(lái)縮放基礎(chǔ)網(wǎng)絡(luò)。然而，這些方法僅依賴于單個(gè)維度的縮放，其效果有限。

最近的研究表明，通過(guò)聯(lián)合縮放寬度、深度和輸入圖像分辨率，圖像分類具有顯著的性能。受EfficientNet啟發(fā)，EfficientDet提出了一種類似的目標(biāo)檢測(cè)復(fù)合縮放方法，它聯(lián)合縮放主干網(wǎng)絡(luò)、多尺度特征網(wǎng)絡(luò)和目標(biāo)檢測(cè)器網(wǎng)絡(luò)。

本文使用EfficientHRNet為計(jì)算機(jī)視覺(jué)應(yīng)用提出了一種基于啟發(fā)式的復(fù)合縮放方法，特別是自底向上的人體姿勢(shì)估計(jì)和語(yǔ)義分割。EfficientHRNet的方法使用縮放系數(shù)來(lái)聯(lián)合縮放主干網(wǎng)絡(luò)、高分辨率網(wǎng)絡(luò)和任務(wù)頭。更準(zhǔn)確地說(shuō)，EfficientNet主干網(wǎng)的規(guī)模縮小到基線以下，而EfficicentHRNet的其余部分則縮小到基線之下，以便在創(chuàng)建輕量級(jí)靈活網(wǎng)絡(luò)的同時(shí)保持接近最先進(jìn)的準(zhǔn)確性。

1、Backbone Network

寬度和深度縮放系數(shù)與EfficientNet保持相同。為了滿足在受限設(shè)備上運(yùn)行模型的需求，提供了一種新的公式，用于將EfficientNet擴(kuò)展到基線以下，并使其成為更緊湊的模型。

從基線EfficientNet-B0縮放系數(shù)開(kāi)始：

（=-1，-2，-3，-4）被倒置，以計(jì)算緊湊型EfficientNet模型的縮放倍數(shù)，其符號(hào)為，，和。例如，為了獲得基線分辨率224，并針對(duì)，從（4）中取r，=?1可以得到分辨率縮放系數(shù)為，即0.87，那么縮放分辨率大小ceil（224?0.87）=195。此模式對(duì)到重復(fù)，可以在表2中看到訓(xùn)練這些緊湊的EfficientNet模型（到） 并使用EfficientHRNet中主干網(wǎng)絡(luò)的結(jié)果模型。

2、High-Resolution Network

高分辨率網(wǎng)絡(luò)有3個(gè)階段和4個(gè)分支，具有4種不同的特征圖尺寸。每個(gè)分支n也有不同的寬度，基線模型每個(gè)分支的寬度分別為32、64、128和256。有選擇地選取1.25的寬度比例因子，并使用以下公式縮小寬度：

其中n是一個(gè)特定的分支數(shù)，是復(fù)合標(biāo)度系數(shù)。

此外，在每個(gè)階段內(nèi)，每個(gè)高分辨率模塊都有多個(gè)重復(fù)多次的塊Msn，如表1所示。在基線EfficientHRNet模型中，每個(gè)階段內(nèi)的塊分別重復(fù)1、4和3次。作者發(fā)現(xiàn)第三階段的重復(fù)次數(shù)對(duì)準(zhǔn)確度的影響最大。因此，隨著模型的縮小，高分辨率模塊內(nèi)的重復(fù)次數(shù)呈線性減少，從第2階段開(kāi)始，直到達(dá)到單個(gè)重復(fù)，然后再轉(zhuǎn)到第3階段，如表1所示。

3、Heatmap Prediction Network

DeConv塊的縮放方式與高分辨率網(wǎng)絡(luò)的寬度相同（5）。熱圖預(yù)測(cè)網(wǎng)絡(luò)輸出標(biāo)簽和熱圖，其寬度在所有模型中保持不變。

4、Input Image Resolution

EfficientNet將原始輸入圖像分辨率分層采樣降低32倍。因此，EfficientHRNet的輸入分辨率必須可除以32，并按線性比例縮小，如下式所示：

4、實(shí)驗(yàn)4.1、ImageNet4.2、COCO-Pose4.3、可視化結(jié)果5、參考

[1].EfficientHRNet:Efficient and Scalable High-Resolution Networks for Real-Time Multi-Person 2D Human Pose Estimation.

6、推薦閱讀

輕量級(jí)網(wǎng)絡(luò)論文-VoVNet詳解

DETR也需要學(xué)習(xí) | DETR-Distill模型蒸餾讓DETR系類模型持續(xù)發(fā)光發(fā)熱！??！

目標(biāo)檢測(cè)落地技能 | 擁擠目標(biāo)檢測(cè)你是如何解決的呢？改進(jìn)Copy-Paste解決擁擠問(wèn)題！

掃描上方二維碼可聯(lián)系小書童加入交流群~

想要了解更多前沿AI視覺(jué)感知全棧知識(shí)【分類、檢測(cè)、分割、關(guān)鍵點(diǎn)、車道線檢測(cè)、3D視覺(jué)（分割、檢測(cè)）、多模態(tài)、目標(biāo)跟蹤、NerF】、行業(yè)技術(shù)方案【AI安防、AI醫(yī)療、AI自動(dòng)駕駛以及AI元宇宙】、AI模型部署落地實(shí)戰(zhàn)【CUDA、TensorRT、NCNN、OpenVINO、MNN、ONNXRuntime以及地平線框架等】，歡迎掃描下方二維碼，加入集智書童知識(shí)星球，日常分享論文、學(xué)習(xí)筆記、問(wèn)題解決方案、部署方案以及全棧式答疑，期待交流！

關(guān)鍵詞： 高分辨率 最先進(jìn)的 自下而上