GAT-CADNet：用于 CAD 图纸中全景符号识别的图注意力网络
计算机视觉与模式识别
2022-01-11 v2
摘要
从计算机辅助设计（CAD）图纸中识别图形符号对许多工业应用至关重要。与光栅图像不同，CAD 图纸是由线段、圆弧和圆等几何图元构成的矢量图形。通过将每张 CAD 图纸视为图，我们提出一种新颖的图注意力网络 GAT-CADNet 来解决全景符号识别问题：从 GAT 分支导出的顶点特征被映射到语义标签，而其注意力分数被级联并映射到实例预测。我们的关键贡献有三：1）将实例符号识别任务表述为子图检测问题，并通过预测邻接矩阵求解；2）相对空间编码（RSE）模块显式编码顶点间的相对位置与几何关系以增强顶点注意力；3）级联边编码（CEE）模块从 GAT 的多个阶段提取顶点注意力并作为边编码以预测邻接矩阵。所提 GAT-CADNet 直观且有效，得以在单一统一网络中解决全景符号识别问题。在公开基准上的大量实验与消融研究表明，我们的基于图的方法大幅超越现有最先进方法。
引用
@article{arxiv.2201.00625,
title = {GAT-CADNet: Graph Attention Network for Panoptic Symbol Spotting in CAD Drawings},
author = {Zhaohua Zheng and Jianfang Li and Lingjie Zhu and Honghua Li and Frank Petzold and Ping Tan},
journal= {arXiv preprint arXiv:2201.00625},
year = {2022}
}