HR-RCNN：用于目标检测的分层关系推理
计算机视觉与模式识别
2021-12-16 v2
摘要
在神经网络中引入关系推理以进行目标识别仍是一个开放问题。尽管已有许多关于关系推理的尝试，但它们通常只考虑单一类型的关系。例如，通过自注意力（如 non-local 网络）的像素关系、通过特征融合（如特征金字塔网络）的尺度关系，或通过图卷积（如 reasoning-RCNN）的目标关系。较少有人关注能够跨这些关系进行推理的更通用框架。本文提出一种用于目标检测的分层关系推理框架（HR-RCNN），其利用一种新颖的图注意力模块（GAM）。该 GAM 是一个简洁的模块，通过对图边直接操作来实现异构节点间的推理。借助异构关系，我们的 HR-RCNN 在 COCO 数据集上针对目标检测和实例分割均表现出显著提升。
引用
@article{arxiv.2110.13892,
title = {HR-RCNN: Hierarchical Relational Reasoning for Object Detection},
author = {Hao Chen and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2110.13892},
year = {2021}
}
备注
To appear at BMVC 2021