基于乘积图的高阶上下文相似性用于不精确子图匹配
计算机视觉与模式识别
2017-02-02 v1
摘要
许多算法将图匹配公式化为对待匹配两图的节点和边的两两量化目标函数的优化。两两度量通常考虑局部属性但忽略图结构中涉及的上下文信息。我们通过提出节点对之间的上下文相似性来解决此问题。这是通过考虑待匹配两图的张量积图（TPG）来实现的，其中每个节点是操作数图节点的有序对。节点对之间的上下文相似性通过累积在TPG中终止于相应配对节点的加权游走（归一化两两相似性）来计算。一旦获得上下文相似性，我们将子图匹配公式化为TPG中的节点和边选择问题。我们使用上下文相似性构建目标函数并用线性规划方法优化它。由于通过TPG的随机游走公式考虑了高阶信息，我们获得更可靠的相似性和节点与边之间更好的区分能力并不令人惊讶。在合成和真实基准上展示的实验结果表明，高阶上下文相似性增加了判别能力并允许找到子图匹配问题的近似解。
引用
@article{arxiv.1702.00391,
title = {Product Graph-based Higher Order Contextual Similarities for Inexact Subgraph Matching},
author = {Anjan Dutta and Josep Lladós and Horst Bunke and Umapada Pal},
journal= {arXiv preprint arXiv:1702.00391},
year = {2017}
}