用于图神经网络池化的最大独立集
机器学习
2023-07-26 v1 人工智能
计算机视觉与模式识别
摘要
卷积神经网络（CNNs）通过卷积和池化在图像分类方面取得了重大进展。特别地，图像池化将连通的离散晶格转换为具有相同连通性的约化晶格，并允许归约函数考虑图像中的所有像素。然而，对于图而言，不存在满足这些性质的池化方法。事实上，传统的图池化方法至少存在以下缺陷之一：图断开或过度连接、低抽取比，以及删除图的大部分内容。在本文中，我们提出了三种基于最大独立集概念的池化方法，避免了这些缺陷。我们的实验结果证实了最大独立集约束对于图池化的相关性。
引用
@article{arxiv.2307.13011,
title = {Maximal Independent Sets for Pooling in Graph Neural Networks},
author = {Stevan Stanovic and Benoit Gaüzère and Luc Brun},
journal= {arXiv preprint arXiv:2307.13011},
year = {2023}
}