通过图神经网络学习图编辑距离
计算机视觉与模式识别
2020-08-19 v1 机器学习
摘要
几何深度学习作为一种处理基于图的表示的新颖框架的出现，已使传统方法被完全新颖的方法论所取代。本文中，我们提出一种能够将深度度量学习的进展与传统图编辑距离近似相结合的新框架。因此，我们基于几何深度学习这一新领域提出一种高效的图距离。我们的方法采用消息传递神经网络捕获图结构，从而利用该信息用于距离计算。所提图距离的性能在两种不同场景下得到验证。一方面，在手写词图的检索（即关键词 spotting）中，相较于（近似）图编辑距离基准展示出更优性能。另一方面，在近期基准数据集上相较于当前最先进方法展示了具有竞争力的图相似性学习效果。
引用
@article{arxiv.2008.07641,
title = {Learning Graph Edit Distance by Graph Neural Networks},
author = {Pau Riba and Andreas Fischer and Josep Lladós and Alicia Fornés},
journal= {arXiv preprint arXiv:2008.07641},
year = {2020}
}