几何池化：保留更多有用信息
计算机视觉与模式识别
2024-08-20 v2
摘要
图池化技术在图节点分类任务中起着重要作用。排序池化技术通过保留大值单元来对大小不一的图进行池化。然而，通过分析池化后激活单元的统计特征，我们发现排序池化所丢弃的大量单元是含有有用信息且能对最终决策作出显著贡献的负值单元。为保留更多有用信息，我们提出了一种称为几何池化（Geometric Pooling, GP）的新型池化技术，通过度量所有节点特征的相似性来保留具有负值的独特节点特征。我们从熵减小的视角揭示了 GP 的有效性。我们在 TUdatasets 上进行了实验以展示 GP 的有效性。结果表明，所提出的 GP 以更少的参数比 SOTA 图池化技术高出 1%\sim5%。
引用
@article{arxiv.2306.12341,
title = {Geometric Pooling: maintaining more useful information},
author = {Hao Xu and Jia Liu and Yang Shen and Kenan Lou and Yanxia Bao and Ruihua Zhang and Shuyue Zhou and Hongsen Zhao and Shuai Wang},
journal= {arXiv preprint arXiv:2306.12341},
year = {2024}
}
备注
Accepted by IEEE ACCESS