U-Net 2015 ：编码器-解码器结构、跳跃连接。

HRNet 2019 : 设计用于需要高分辨率特征的任务.

• 高分辨率主干( 网络从头到尾都维持一个高分辨率的特征流，而不是像U-Net那样先降维再升维。)
• 多尺度特征融合：
  • 不同分辨率的特征流之间通过上采样和下采样操作进行交互，实现信息的跨尺度传递。

特性	U-Net	HRNet
结构特点	编码器-解码器结构，使用跳跃连接	高分辨率主干+多尺度特征融合
分辨率变化	先降维再升维	始终保持高分辨率
特征提取方式	依赖跳跃连接恢复细节	多尺度并行特征流融合细节和语义
计算复杂度	相对较低	较高
适用场景	医学图像分割、小目标检测	姿态估计、语义分割、目标检测
优势	简单高效，适合小数据集	高分辨率特征保留，多尺度能力强
劣势	对复杂多尺度特征提取能力有限	计算开销大，硬件需求高