一种新型轻量级混合图卷积神经网络 -- CNN 方案用于基于目标检测推断的场景分类
计算机视觉与模式识别
2024-07-23 v1 人工智能
摘要
场景理解在诸如自动驾驶、智能视频监控或机器人等高级计算机视觉应用中发挥重要作用。然而，针对室内/户外场景分类的解决方案严重不足，难以确保计算机视觉框架的场景上下文适应性。我们提出了首个轻量级混合图卷积神经网络 (LH-GCNN)-CNN 框架，作为目标检测模型的附加方案。该方法利用 CNN 目标检测模型的输出，通过生成表示所观察场景语义和几何内容的一致 GCNN 来预测观察到的场景类型。该新方法应用于自然场景时，在包含大量不同场景的 COCO 数据集派生数据集上实现了超过 90% 的场景分类效率，同时所需参数少于传统 CNN 方法。为便于科学界使用，我们将公开源代码：https://github.com/Aymanbegh/Hybrid-GCNN-CNN。
引用
@article{arxiv.2407.14658,
title = {A New Lightweight Hybrid Graph Convolutional Neural Network -- CNN Scheme for Scene Classification using Object Detection Inference},
author = {Ayman Beghdadi and Azeddine Beghdadi and Mohib Ullah and Faouzi Alaya Cheikh and Malik Mallem},
journal= {arXiv preprint arXiv:2407.14658},
year = {2024}
}