基于知识图谱嵌入的对比式目标检测
计算机视觉与模式识别
2021-12-22 v1
摘要
目标识别在很大程度上被当作一个独热（one-hot）问题来处理，即将类别视为离散且互不相关的。每个图像区域都必须被分配给一组对象（包括背景类）中的某一个成员，而忽略对象类型之间的任何相似性。在本工作中，我们将从独热方法学习到的类嵌入的误差统计，与来自自然语言处理或知识图谱的语义结构化嵌入（广泛应用于开放世界目标检测）进行比较。在多种知识嵌入以及距离度量上的大量实验结果表明，基于知识的类表示产生了更具语义依据的误分类，同时在具有挑战性的 COCO 和 Cityscapes 目标检测基准上与独热方法表现相当。我们通过为基于关键点和基于 transformer 的目标检测架构提出一种知识嵌入设计，将我们的发现推广到多种目标检测架构。
引用
@article{arxiv.2112.11366,
title = {Contrastive Object Detection Using Knowledge Graph Embeddings},
author = {Christopher Lang and Alexander Braun and Abhinav Valada},
journal= {arXiv preprint arXiv:2112.11366},
year = {2021}
}