HRNet 算法中的卷积方式：深度可分离卷积与普通卷积

HRnet 算法中使用了深度可分离卷积 (depthwise separable convolution) 和普通卷积 (standard convolution) 两种方式。

深度可分离卷积是指将卷积操作分为两个步骤：深度卷积 (depthwise convolution) 和逐点卷积 (pointwise convolution)。深度卷积只在每个输入通道上进行卷积，而逐点卷积则是在所有通道上进行卷积。这种方式可以减少模型参数和计算量，同时保持较好的准确率。

普通卷积则是在所有输入通道和输出通道之间进行卷积。这种方式需要更多的计算量和模型参数，但可以提高模型的表现能力。

在 HRnet 算法中，深度可分离卷积主要用于低分辨率的特征图上，以减少计算量和参数数量。而普通卷积则用于高分辨率的特征图上，以提高模型的表现能力。