Abstract
问题：如何学习一个高分辨率的特征图？大多数网络是从低分辨率特征图中恢复高分辨率特征图，而我们的方法是在整个过程中始终维持高分辨率特征图。
1.Introduction
我们提出HRNet，在整个卷积过程中都一直维持分辨率的表示。We start from a high-resolution subnetwork as the first stage, gradually add high-to-low resolution subnetworks one by one to form more stages, and connect the multi-resolution subnetworks in parallel.
我们网络的优点：
（1）通过并行的方式，而不是串行的方式将不同分辨率的特征图进行融合。在整个卷积过程都能位置高分辨率的特征图，而不是从低分辨率特征图中恢复高分辨率特征图，因此特征更准确
（2）大多数现有的融合方案都汇总了低级和高级表示。 而我们执行重复的多尺度融合，以借助相同深度和相似水平的低分辨率表示来增强高分辨率表示，反之亦然，从而导致高分辨率表示也丰富了
2.Related work
几种常见的有特征融合的网络结构
（a）Hourglass 含有残差连接
3.我们的方法介绍
Sequential multi-resolution subnetworks: 通过串行结构获得的多个分辨率的子网络
Parallel multi-resolution subnetworks：通过并行结构获得的多个分辨率的子网络
不同分辨率的特征图的融合方法：
损失函数的设计：
因为是对关键点预测，所以采用了L2 loss+高斯分布的方式：
The groundtruth heatmpas are generated by applying 2D Gaussian with standard deviation of 1 pixel centered on the grouptruth location of each keypoint.对标注的每个关键点，用高斯分布做模糊处理，作为预测结果的ground_truth。
4.实验结论
Alablation study:
Repeated multi-scale fusion
Resolution maintenance：从低分辨率子网的早期阶段提取的低级别功能的帮助较小。
Representation resolution：与baseline的方法相比，输入图片的尺寸越小，我们模型的改善月明显。这对于实际使用时，对计算量有限制的情况，有很好的的改善
问题：
特征图的高分辨率代表什么？
代表更dense的特征的提取。以前提取特征是每隔N个像素进行提取，现在是每隔更少的像素进行特征提取，所以特征图更dense。Dense的好处是不会漏掉目标，而且定位会更加准确。高分辨率特征图不能代表更底层，更细节的信息。细节和语义信息更取决于特征图的感受野和处于第几层。
