硬件友好高分辨率网络

NPU上快13倍

针对NPU和GPU优化的轻量级网络，在人体姿态估计和语义分割任务中实现速度与精度的最佳平衡。

Hao, Zhang · 顿玉洁 · Yixuan, Pei · Lai, Shenqi · Liu, Chengxu · Kaipeng, Zhang · 钱学明

IEEE Transactions on Circuits and Systems for Video Technology 2024

参数信息

COCO test-dev AP

2.8 AP

COCO test-dev AP

1.9 AP

NPU推理加速

13 ×

NPU推理加速

9 ×

技术优势

NPU上快13倍

相比Dite-HRNet-30，HF-HRNet-30在NPU上推理速度快约13倍，同时精度还高1.9 AP。

精度更高

在COCO test-dev上，HF-HRNet-30比Dite-HRNet-30和Lite-HRNet-30分别高1.9 AP和2.8 AP。

硬件友好设计

采用均匀尺寸模块替代shuffle和动态卷积，避免了对NPU/GPU不友好的操作。

应用场景

• 工业检测：在边缘设备上高速运行高分辨率缺陷检测，节省算力成本。
• 无人机视觉：无人机端侧实现实时高分辨率视觉感知，降低功耗和延迟。
• 具身智能感知：机器人在NPU上实时运行高分辨率感知模型，提升交互响应速度。