【共生性】CVPR 2019:Multi-Label Image Recognition with Graph Convolutional Networks
发布时间
阅读量：
阅读量
在大多数情况下，在同一图像中存在多种物体，并且它们表现出共生特性。因此，在模型中建立标签依赖关系有助于提高识别效果。
为了深入挖掘和分析这些关键的依赖关系，本文作者开发出了基于Graph Convolutional Network (GCN)的多标签分类系统。
基于object labels构建一个有向图，在每个节点中使用词向量表示其对应的标签。通过GCN模型实现label graph到一组相互依赖的物体分类器的映射关系。由于GCN对所有classes参数共享的原因，因此隐式地建模了label correlations。
另一个重要贡献在于，我们提出了一种基于某种加权机制的方法来构建标签相关矩阵，并以指导节点间的信息传递过程。
Two motivations
首先，在这种情况下，并没有直接反映数据点之间的几何关系。另一方面，在这种情况下，并未直接体现数据点间的几何联系。然而，在这种情况下，并未直接体现数据点间的几何联系。此外，在这种情况下，并未直接体现数据点间的几何联系。
（2）基于共生模式构建了label correlation matrix用于建模label dependencies，并对节点特征进行了信息融合。
全部评论 (0)
还没有任何评论哟~