各位看官大家好，2021年转眼就结束了，2022年又是新的开始。在过去的一年，智东西公开课AI技术教研组聚焦于AI技术、移动机器人、以及模型优化部署等内容策划了诸多课程，并邀请了来自学术界的科研人员和工业界的技术大牛为大家现身讲解最新、最有料的技术干货。

新的一年里，智东西公开课AI技术教研组又双叒叕开始“搞事情”了。1月6日，我们邀请到美团无人车配送部算法专家余昌黔，参与到2022年的第一场「模型优化部署讲座」中。

模型优化部署一直是AI研究的重点之一。在去年，智东西公开课AI技术教研组曾邀请到北京航空航天大学在读博士秦浩桐、德国慕尼黑大学在读博士顾金东、悉尼大学在读博士郭晋阳、威廉玛丽学院在读博士牛威和伍斯特理工学院在读博士赵一阳五位大佬，分别就轻量化网络的结构设计，模型压缩中的量化、蒸馏和剪枝，以及模型部署等内容进行了深度讲解。

在后续的「模型优化部署讲座」中，我们将持续关注轻量化网络模型的设计、模型压缩的方法以及模型部署的工具进行讲座。在本次讲座中，余昌黔博士将围绕最新研究发表的轻量级高分辨率网络Lite-HRNet，带来主题为《面向人体姿态估计的轻量级高分辨率网络Lite-HRNet》的直播讲座。

人体姿态估计是一个理解图像和视频中人物行为的关键问题，其往往需要高分辨率特征表征来实现高性能。而近年来的高分辨率网络（High-resolution Network）相较于其他大模型已经证明了其具有更强的表征能力。但是高分辨率表征是否有利于小模型尚未得到研究。

余昌黔博士在最新的研究工作中探索开发了轻量的高分辨率模型，并提出了轻量高分辨率网络（Lite-HRNet）。首先，将ShuffleNet中的轻量卷积模块Shuffle Block引入到HRNet中实现了Naïve Lite-HRNet，其性能已经优于通用轻量模型ShuffleNet、MobileNet 和 Small HRNet，这已经充分证明了高分辨率表征在轻量模型中的有效性。

然而，余博他们观察到Shuffle Block中1 × 1 卷积复杂度远高于深度卷积(Depthwise convolution)，而平方复杂度的1 × 1 卷积主要作用是通道间信息交换。也就是说线性复杂度的通道加权操作也可进行一定程度的通道间信息交换，因此通道加权操作可以进一步高效地进行跨分辨率间信息交换。所以，在Naïve Lite-HRNet的基础上他们又提出了Lite-HRNet，即利用条件通道加权来替代1 × 1 卷积进一步降低模型复杂度。

在本次讲座中，余博将从高分辨率网络HRNet的特点及挑战，到主流的轻量级网络与HRNet的融合应用，对最新提出的轻量级高分辨率网络Lite-HRNet，及其在人体姿态估计任务中的性能体现及应用泛化进行全面讲解。

余昌黔目前是美团无人车配送部算法专家，博士毕业于华中科技大学，并曾赴澳大利亚阿德莱德大学联合培养。余博的主要研究领域包括了2D/3D感知、自动驾驶中的运动预测决策，在计算机视觉顶级会议期刊上累计共发表学术论文17篇，累计引用超过1600次，也曾获得过国际竞赛COCO&Mapillary全景分割挑战赛两项冠军。

本讲直播包含主讲和问答两个环节，其中主讲40分钟，问答20分钟。同时，我们还组建了技术交流群，并邀请主讲人余昌黔博士进群，欢迎大家申请！

讲座内容

主题

《面向人体姿态估计的轻量级高分辨率网络Lite-HRNet》

提纲

1、高分辨率网络HRNet的特点及挑战
2、主流的轻量级网络与HRNet
3、轻量级高分辨率网络Lite-HRNet
4、在人体姿态估计任务中的性能体现及应用泛化

主讲人

余昌黔，美团无人车配送部算法专家；博士毕业于华中科技大学，曾赴澳大利亚阿德莱德大学联合培养；主要研究领域包括：2D/3D感知、自动驾驶中的运动预测决策；在计算机视觉顶级会议期刊上累计共发表学术论文17篇，累计引用超过1600次；曾获得过国际竞赛COCO&Mapillary全景分割挑战赛两项冠军。

直播信息

直播时间：1月6日（周四）19:00
直播地点：智东西公开课知识店铺