极大独立顶点集应用于图池化
机器学习
2022-08-04 v1 人工智能
计算机视觉与模式识别
摘要
卷积神经网络（CNN）通过卷积与池化在图像分类中取得了重大进展。特别地，图像池化将连通的离散网格转换为具有相同连通性的约简网格，并允许归约函数考虑图像的所有像素。然而，满足此类性质的池化对于图而言并不存在。事实上，一些方法基于顶点选择步骤，这导致了显著的信息丢失；其他方法学习顶点集的模糊聚类，这导致了近乎完全连接的约简图。我们提出使用一种名为 MIVSPool 的新池化方法来克服这两个问题。该方法基于使用极大独立顶点集（MIVS）选择称为存活顶点的顶点，并将剩余顶点分配给存活顶点。因此，我们的方法既不丢弃任何顶点信息，也不人为增加图的密度。实验结果表明，在各种标准数据集上图分类准确率有所提升。
引用
@article{arxiv.2208.01648,
title = {Maximal Independent Vertex Set applied to Graph Pooling},
author = {Stevan Stanovic and Benoit Gaüzère and Luc Brun},
journal= {arXiv preprint arXiv:2208.01648},
year = {2022}
}