HourGlass是沙漏网络的堆积
沙漏的流程图如下图所示。
由上图可见，一个沙漏模块由resNet模块叠加而成，经过4次下采样和4次上采样，大小相同的特征图层被contate。
结果，为每个类别键建立高斯映射(与输入图像大小相同)，损失采用MSE损失
在许多主干网络中使用编码器-解码器，这一点本质上是对图像信息进行压缩编码，并解码成需要该图像信息的另一个信息表示； 在物理意义上，下采样的过程可以融合编码更大感知域的像素信息，上采样的过程可以保持最终输出信息的高分辨率，但下采样最重要的目的是减少参数量和计算量以增加深度。 如果不进行下采样，则扩展感知区域的方式可以使用dilatedconv，其精度比有下采样的网络稍高。 例如，HRNet是以非常高的分辨率传输的网络，虽然其参数量非常大，但是比Hourglass的精度更高； 是否需要上采样主要看最终的应用，很多分类网络不需要上采样(最后一层直接使用GAP )。