基于图神经网络与多尺度小波超像素的图像分类
计算机视觉与模式识别
2022-02-01 v1 机器学习
摘要
先前使用图神经网络(GNNs)进行图像分类的研究集中于由规则像素网格或相似尺寸超像素生成的图。在后者中,为整个数据集定义单一目标超像素数量,而不考虑图像间差异及其固有的多尺度结构。相反,本研究使用由图像特定数量的多尺度超像素生成的图来探究图像分类。我们提出WaveMesh,一种基于小波的新型超像素算法,其中图像中超像素的数量和尺寸基于其内容被系统性地计算。WaveMesh超像素图在结构上不同于相似尺寸超像素图。我们使用SplineCNN(一种用于图像图分类的最先进网络)来比较WaveMesh与相似尺寸超像素。使用SplineCNN,我们在三个基准数据集上进行了三种局部池化设置下的广泛实验:1)无池化,2)GraclusPool,以及3)WavePool,一种为WaveMesh超像素量身定制的新型空间异质池化方案。我们的实验表明,SplineCNN从多尺度WaveMesh超像素中学习的效果与从相似尺寸超像素中学习相当。在所有WaveMesh实验中,GraclusPool表现劣于无池化/WavePool,表明从多尺度超像素学习时,不当的池化选择会导致性能下降。
引用
@article{arxiv.2201.12633,
title = {Image Classification using Graph Neural Network and Multiscale Wavelet Superpixels},
author = {Varun Vasudevan and Maxime Bassenne and Md Tauhidul Islam and Lei Xing},
journal= {arXiv preprint arXiv:2201.12633},
year = {2022}
}
备注
17 pages, 6 figures