基于图注意力网络的超像素图像分类
机器学习
2020-11-17 v2 计算机视觉与模式识别
机器学习
摘要
本文提出一种使用图神经网络（GNN）模型进行图像分类的方法。我们将输入图像转换为区域邻接图（RAGs），其中区域为超像素，边连接相邻超像素。我们的实验表明，将图卷积与自注意力机制相结合的图注意力网络（GATs）优于其他 GNN 模型。尽管由于 RAG 生成过程中的信息丢失，原始图像分类器比 GATs 表现更好，我们的方法开辟了超越矩形网格图像（如 360 度视场全景图）的深度学习研究新途径。当前最先进方法的传统卷积核无法处理全景图，而经调整的超像素算法及所得区域邻接图可自然馈入 GNN，且无拓扑问题。
引用
@article{arxiv.2002.05544,
title = {Superpixel Image Classification with Graph Attention Networks},
author = {Pedro H. C. Avelar and Anderson R. Tavares and Thiago L. T. da Silveira and Cláudio R. Jung and Luís C. Lamb},
journal= {arXiv preprint arXiv:2002.05544},
year = {2020}
}