用于语义标注的自构建图卷积网络
计算机视觉与模式识别
2020-04-24 v2
摘要
图神经网络（GNNs）在许多领域受到越来越多的关注。然而，由于缺乏先验图，其在语义标注中的应用受到限制。本文提出一种称为自构建图（SCG）的新颖架构，其利用可学习的潜变量从输入特征直接生成嵌入并自构建底层图，而不依赖于人工构建的先验知识图。SCG 能够自动从航拍影像中形状复杂的物体获取优化的非局部上下文图。我们通过自适应对角增强方法以及一个由定制图重构项和 Kullback-Leibler 散度正则项组成的变分下界来优化 SCG。我们在公开可用的 ISPRS Vaihingen 数据集上展示了所提 SCG 的有效性与灵活性，并且我们的模型 SCG-Net 在 F1-score 上取得了具有竞争力的结果，相较于相关的纯 CNN 工作，其参数量更少、计算成本更低。我们的代码将很快公开。
引用
@article{arxiv.2003.06932,
title = {Self-Constructing Graph Convolutional Networks for Semantic Labeling},
author = {Qinghui Liu and Michael Kampffmeyer and Robert Jenssen and Arnt-Børre Salberg},
journal= {arXiv preprint arXiv:2003.06932},
year = {2020}
}
备注
IGARSS-2020, code at: github.com/samleoqh/MSCG-Net