Hourglass-104是一种用于深度学习的卷积神经网络。它是一个立方体（cube）的架构，包含104层神经元，用于处理图像分割任务。Hourglass-104最初由Facebook AI Research团队开发，并在2017年发布。该架构被设计成有效地学习特征表征，以便将像素分割成不同的对象。

Hourglass-104使用一个受ResNet影响的“hourglass”架构来定义其神经元堆栈。它首先使用16个卷积块来抽取特征表征。然后使用8个上采样步骤将特征图上采样2倍大小。最后，它使用8个上采样步骤将特征图再次上采样2倍大小，这样就能够将原始图像中的对象进行分割了。