Faster-LTN：一种神经符号端到端目标检测架构
计算机视觉与模式识别
2021-09-21 v1 人工智能
计算机科学中的逻辑
摘要
检测图像中物体所表示的语义关系，是图像理解的基本挑战之一。神经符号技术，如逻辑张量网络（Logic Tensor Networks, LTNs），允许将语义知识表示与推理同神经网络从样本中高效学习的能力相结合。我们在此提出 Faster-LTN，一种由卷积骨干网络和 LTN 组成的目标检测器。据我们所知，这是在端到端训练设定下组合两种框架的首次尝试。该架构通过优化一个接地理论（grounded theory）进行训练，该理论将带标签样本与以逻辑公理形式给出的先验知识相结合。实验对比显示，其相对于传统的 Faster R-CNN 架构具有具竞争力的性能。
引用
@article{arxiv.2107.01877,
title = {Faster-LTN: a neuro-symbolic, end-to-end object detection architecture},
author = {Francesco Manigrasso and Filomeno Davide Miro and Lia Morra and Fabrizio Lamberti},
journal= {arXiv preprint arXiv:2107.01877},
year = {2021}
}
备注
accepted for presentation at ICANN 2021