HRNet代码逐行解析:从BasicBlock到HighResolutionNet,手把手教你读懂多分辨率融合

news2026/3/30 7:23:01
HRNet代码深度解析从基础模块到多分辨率融合实战在计算机视觉领域HRNetHigh-Resolution Network因其独特的并行多分辨率架构而备受关注。与传统的串行降采样网络不同HRNet在整个前向传播过程中始终保持高分辨率表示通过多分支并行处理和跨分辨率信息交换在姿态估计、语义分割等任务中展现出卓越性能。本文将带您深入HRNet的PyTorch实现从最基础的BasicBlock开始逐步解析HighResolutionModule的核心机制最终构建完整的HighResolutionNet。1. 基础构建块BasicBlock与Bottleneck任何优秀的深度网络都由精心设计的基础模块堆叠而成HRNet也不例外。让我们首先剖析其两大基础组件1.1 BasicBlock实现解析BasicBlock是HRNet中最基础的残差单元其结构类似于ResNet中的基础块class BasicBlock(nn.Module): expansion 1 def __init__(self, inplanes, planes, stride1, downsampleNone): super(BasicBlock, self).__init__() self.conv1 conv3x3(inplanes, planes, stride) self.bn1 BatchNorm2d(planes, momentumBN_MOMENTUM) self.relu nn.ReLU(inplaceTrue) self.conv2 conv3x3(planes, planes) self.bn2 BatchNorm2d(planes, momentumBN_MOMENTUM) self.downsample downsample self.stride stride def forward(self, x): residual x out self.conv1(x) out self.bn1(out) out self.relu(out) out self.conv2(out) out self.bn2(out) if self.downsample is not None: residual self.downsample(x) out residual out self.relu(out) return out关键设计要点双3×3卷积结构保持感受野的同时减少参数量恒等映射通过残差连接解决梯度消失问题下采样适配当stride≠1时通过downsample模块调整残差路径维度1.2 Bottleneck深度优化版本对于更深的网络HRNet采用Bottleneck结构来平衡计算量与模型容量class Bottleneck(nn.Module): expansion 4 def __init__(self, inplanes, planes, stride1, downsampleNone): super(Bottleneck, self).__init__() self.conv1 nn.Conv2d(inplanes, planes, kernel_size1, biasFalse) self.bn1 BatchNorm2d(planes, momentumBN_MOMENTUM) self.conv2 nn.Conv2d(planes, planes, kernel_size3, stridestride, padding1, biasFalse) self.bn2 BatchNorm2d(planes, momentumBN_MOMENTUM) self.conv3 nn.Conv2d(planes, planes * self.expansion, kernel_size1, biasFalse) self.bn3 BatchNorm2d(planes * self.expansion, momentumBN_MOMENTUM) self.relu nn.ReLU(inplaceTrue) self.downsample downsample self.stride stride def forward(self, x): residual x out self.conv1(x) out self.bn1(out) out self.relu(out) out self.conv2(out) out self.bn2(out) out self.relu(out) out self.conv3(out) out self.bn3(out) if self.downsample is not None: residual self.downsample(x) out residual out self.relu(out) return outBottleneck的核心优势1×1-3×3-1×1的瓶颈结构先降维再升维大幅减少计算量扩展因子(expansion4)最终输出通道是中间层的4倍梯度传播更稳定三重残差连接设计实际工程中选择建议在HRNet中通常Stage1使用Bottleneck后续Stage使用BasicBlock这种混合设计在精度和效率间取得了良好平衡。2. HighResolutionModule多分辨率融合引擎HRNet的核心创新在于其并行多分辨率处理架构HighResolutionModule正是实现这一机制的关键组件。2.1 模块整体架构HighResolutionModule的初始化函数展示了其主要构成class HighResolutionModule(nn.Module): def __init__(self, num_branches, blocks, num_blocks, num_inchannels, num_channels, fuse_method, multi_scale_outputTrue): super(HighResolutionModule, self).__init__() self._check_branches(num_branches, num_blocks, num_inchannels, num_channels) self.num_inchannels num_inchannels self.fuse_method fuse_method self.num_branches num_branches self.multi_scale_output multi_scale_output self.branches self._make_branches( num_branches, blocks, num_blocks, num_channels) self.fuse_layers self._make_fuse_layers() self.relu nn.ReLU(inplaceTrue)主要参数说明num_branches并行分支数量blocks使用的块类型BasicBlock/Bottlenecknum_blocks每个分支包含的块数量num_inchannels各分支输入通道数num_channels各分支基础通道数fuse_method融合方法如SUM/AVG/CONCAT2.2 分支构建机制_make_branches方法负责创建并行处理分支def _make_branches(self, num_branches, block, num_blocks, num_channels): branches [] for i in range(num_branches): branches.append( self._make_one_branch(i, block, num_blocks, num_channels)) return nn.ModuleList(branches)每个分支通过_make_one_branch独立构建def _make_one_branch(self, branch_index, block, num_blocks, num_channels, stride1): downsample None if stride ! 1 or self.num_inchannels[branch_index] ! \ num_channels[branch_index] * block.expansion: downsample nn.Sequential( nn.Conv2d(self.num_inchannels[branch_index], num_channels[branch_index] * block.expansion, kernel_size1, stridestride, biasFalse), BatchNorm2d(num_channels[branch_index] * block.expansion, momentumBN_MOMENTUM)) layers [] layers.append(block(self.num_inchannels[branch_index], num_channels[branch_index], stride, downsample)) self.num_inchannels[branch_index] \ num_channels[branch_index] * block.expansion for i in range(1, num_blocks[branch_index]): layers.append(block(self.num_inchannels[branch_index], num_channels[branch_index])) return nn.Sequential(*layers)分支构建的关键点每个分支由多个残差块BasicBlock/Bottleneck堆叠而成首个块可能包含下采样操作后续块保持分辨率不变通道数通过block.expansion自动调整2.3 跨分辨率融合策略_make_fuse_layers实现了HRNet最精髓的多分辨率信息交换def _make_fuse_layers(self): if self.num_branches 1: return None num_branches self.num_branches num_inchannels self.num_inchannels fuse_layers [] for i in range(num_branches if self.multi_scale_output else 1): fuse_layer [] for j in range(num_branches): if j i: # 低分辨率到高分辨率 fuse_layer.append(nn.Sequential( nn.Conv2d(num_inchannels[j], num_inchannels[i], 1, 1, 0, biasFalse), BatchNorm2d(num_inchannels[i], momentumBN_MOMENTUM))) elif j i: # 同分辨率 fuse_layer.append(None) else: # 高分辨率到低分辨率 conv3x3s [] for k in range(i-j): if k i - j - 1: num_outchannels num_inchannels[i] conv3x3s.append(nn.Sequential( nn.Conv2d(num_inchannels[j], num_outchannels, 3, 2, 1, biasFalse), BatchNorm2d(num_outchannels, momentumBN_MOMENTUM))) else: conv3x3s.append(nn.Sequential( nn.Conv2d(num_inchannels[j], num_inchannels[j], 3, 2, 1, biasFalse), BatchNorm2d(num_inchannels[j], momentumBN_MOMENTUM), nn.ReLU(inplaceTrue))) fuse_layer.append(nn.Sequential(*conv3x3s)) fuse_layers.append(nn.ModuleList(fuse_layer)) return nn.ModuleList(fuse_layers)融合策略矩阵源分辨率目标分辨率转换方法典型操作高分辨率低分辨率降采样3×3卷积(stride2)低分辨率高分辨率上采样1×1卷积 双线性插值同分辨率同分辨率恒等映射None2.4 前向传播流程HighResolutionModule的前向传播实现了完整的多分支处理与融合def forward(self, x): if self.num_branches 1: return [self.branches[0](x[0])] # 各分支独立处理 for i in range(self.num_branches): x[i] self.branches[i](x[i]) # 跨分支融合 x_fuse [] for i in range(len(self.fuse_layers)): y x[0] if i 0 else self.fuse_layers[i][0](x[0]) for j in range(1, self.num_branches): if i j: y y x[j] elif j i: # 低到高 y y F.interpolate( self.fuse_layers[i][j](x[j]), size[x[i].shape[2], x[i].shape[3]], modebilinear, align_cornersTrue) else: # 高到低 y y self.fuse_layers[i][j](x[j]) x_fuse.append(self.relu(y)) return x_fuse数据流动特点各分支首先独立进行特征提取然后进行多分辨率间的双向信息交换最终输出融合后的多尺度特征调试技巧在实际应用中可以通过hook机制捕获各分支的中间特征可视化验证信息融合效果。3. HighResolutionNet完整网络组装HighResolutionNet将多个HighResolutionModule组合成完整的端到端网络。3.1 网络初始化结构网络初始化展示了HRNet的层级设计class HighResolutionNet(nn.Module): def __init__(self, config, **kwargs): super(HighResolutionNet, self).__init__() # Stem网络初始下采样 self.conv1 nn.Conv2d(3, 64, kernel_size3, stride2, padding1, biasFalse) self.bn1 BatchNorm2d(64, momentumBN_MOMENTUM) self.conv2 nn.Conv2d(64, 64, kernel_size3, stride2, padding1, biasFalse) self.bn2 BatchNorm2d(64, momentumBN_MOMENTUM) self.relu nn.ReLU(inplaceTrue) # Stage1 self.stage1_cfg config[STAGE1] self.layer1 self._make_layer( blocks_dict[self.stage1_cfg[BLOCK]], 64, self.stage1_cfg[NUM_CHANNELS][0], self.stage1_cfg[NUM_BLOCKS][0]) # 过渡层与后续Stage self.stage2_cfg config[STAGE2] self.transition1 self._make_transition_layer( [stage1_out_channel], self.stage2_cfg[NUM_CHANNELS]) self.stage2, pre_stage_channels self._make_stage( self.stage2_cfg, self.stage2_cfg[NUM_CHANNELS]) # 类似地构建stage3和stage4 ...网络构建关键点渐进式增加分支每个stage增加一个新的低分辨率分支通道数规律分辨率减半通道数翻倍过渡层设计平滑连接不同stage3.2 过渡层实现过渡层负责在不同stage间转换特征def _make_transition_layer(self, num_channels_pre_layer, num_channels_cur_layer): num_branches_cur len(num_channels_cur_layer) num_branches_pre len(num_channels_pre_layer) transition_layers [] for i in range(num_branches_cur): if i num_branches_pre: if num_channels_cur_layer[i] ! num_channels_pre_layer[i]: transition_layers.append(nn.Sequential( nn.Conv2d(num_channels_pre_layer[i], num_channels_cur_layer[i], 3, 1, 1, biasFalse), BatchNorm2d(num_channels_cur_layer[i], momentumBN_MOMENTUM), nn.ReLU(inplaceTrue))) else: transition_layers.append(None) else: conv3x3s [] for j in range(i1-num_branches_pre): inchannels num_channels_pre_layer[-1] outchannels num_channels_cur_layer[i] \ if j i-num_branches_pre else inchannels conv3x3s.append(nn.Sequential( nn.Conv2d(inchannels, outchannels, 3, 2, 1, biasFalse), BatchNorm2d(outchannels, momentumBN_MOMENTUM), nn.ReLU(inplaceTrue))) transition_layers.append(nn.Sequential(*conv3x3s)) return nn.ModuleList(transition_layers)过渡层主要处理两种情况已有分支的通道数调整新增分支的创建与下采样3.3 完整前向传播流程网络的前向传播展示了数据在HRNet中的完整流动路径def forward(self, x): # Stem网络 x self.conv1(x) x self.bn1(x) x self.relu(x) x self.conv2(x) x self.bn2(x) x self.relu(x) # Stage1 x self.layer1(x) # Stage2 x_list [] for i in range(self.stage2_cfg[NUM_BRANCHES]): if self.transition1[i] is not None: x_list.append(self.transition1[i](x)) else: x_list.append(x) y_list self.stage2(x_list) # Stage3 x_list [] for i in range(self.stage3_cfg[NUM_BRANCHES]): if self.transition2[i] is not None: x_list.append(self.transition2[i](y_list[i])) else: x_list.append(y_list[i]) y_list self.stage3(x_list) # Stage4 x_list [] for i in range(self.stage4_cfg[NUM_BRANCHES]): if self.transition3[i] is not None: x_list.append(self.transition3[i](y_list[i])) else: x_list.append(y_list[i]) x self.stage4(x_list) # 上采样并拼接所有分支 x0_h, x0_w x[0].size(2), x[0].size(3) x1 F.interpolate(x[1], size(x0_h, x0_w), modebilinear, align_cornersTrue) x2 F.interpolate(x[2], size(x0_h, x0_w), modebilinear, align_cornersTrue) x3 F.interpolate(x[3], size(x0_h, x0_w), modebilinear, align_cornersTrue) return torch.cat([x[0], x1, x2, x3], 1)典型HRNet(V2)的数据流动输入图像(256×256)Stem网络下采样到64×64Stage1(64×64)Stage2(64×64 32×32)Stage3(64×64 32×32 16×16)Stage4(64×64 32×32 16×16 8×8)上采样拼接输出(64×64×sum_channels)4. 实战技巧与性能优化4.1 自定义HRNet配置通过修改配置字典可以灵活调整网络结构hrnet_w18 { STAGE1: { NUM_MODULES: 1, NUM_BRANCHES: 1, NUM_BLOCKS: [4], NUM_CHANNELS: [64], BLOCK: BOTTLENECK, FUSE_METHOD: SUM }, STAGE2: { NUM_MODULES: 1, NUM_BRANCHES: 2, NUM_BLOCKS: [4, 4], NUM_CHANNELS: [18, 36], BLOCK: BASIC, FUSE_METHOD: SUM }, STAGE3: { NUM_MODULES: 4, NUM_BRANCHES: 3, NUM_BLOCKS: [4, 4, 4], NUM_CHANNELS: [18, 36, 72], BLOCK: BASIC, FUSE_METHOD: SUM }, STAGE4: { NUM_MODULES: 3, NUM_BRANCHES: 4, NUM_BLOCKS: [4, 4, 4, 4], NUM_CHANNELS: [18, 36, 72, 144], BLOCK: BASIC, FUSE_METHOD: SUM } }常见变体配置对比模型变体Stage1通道Stage2通道Stage3通道Stage4通道参数量HRNet-W1864[18,36][18,36,72][18,36,72,144]9.6MHRNet-W3264[32,64][32,64,128][32,64,128,256]28.5MHRNet-W4864[48,96][48,96,192][48,96,192,384]63.6M4.2 内存优化策略HRNet的多分辨率特性会带来显存消耗以下优化策略值得关注梯度检查点技术from torch.utils.checkpoint import checkpoint def forward(self, x): # 在内存敏感层使用 return checkpoint(self._forward_impl, x)混合精度训练scaler torch.cuda.amp.GradScaler() with torch.cuda.amp.autocast(): outputs model(inputs) loss criterion(outputs, targets) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()分支梯度平衡# 对低分辨率分支使用较小的梯度权重 for i, branch in enumerate(model.branches): for param in branch.parameters(): param.register_hook(lambda grad: grad * (0.9 ** i))4.3 部署优化建议TensorRT加速trtexec --onnxhrnet.onnx \ --saveEnginehrnet.engine \ --fp16 \ --workspace2048分支并行化# 使用PyTorch的并行处理 from torch.nn.parallel import parallel_apply outputs parallel_apply( [branch for branch in model.branches], [x[i] for i in range(model.num_branches)] )自定义融合算子// 实现高效的多分辨率融合CUDA内核 __global__ void fuse_kernel(float* high_res, float* low_res, ...) { // 合并上采样与卷积操作 }在实际项目中HRNet的灵活架构使其能够适应各种计算机视觉任务。通过深入理解其代码实现开发者可以更好地调整网络结构、优化性能并将其应用于特定领域的问题解决方案中。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2464193.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…