面向路网图神经网络的视觉特征编码
计算机视觉与模式识别
2022-03-03 v1
摘要
本文提出一种将视觉特征编码到图神经网络中的新颖学习方法，并应用于路网数据。我们提出了一种结合最先进视觉骨干网络与图神经网络的架构。具体而言，我们通过使用多种 ResNet 架构对卫星影像进行编码，在 Open Street Map 路网上执行道路类型分类任务。我们的架构进一步支持微调，并采用迁移学习方法，通过在 NWPU-RESISC45 遥感图像分类数据集上预训练并与纯 ImageNet 预训练的 ResNet 模型作为视觉特征编码器进行比较来评估。结果表明，视觉特征编码器不仅优于低级视觉特征，而且将视觉特征编码器在如 NWPU-RESISC45 这样的通用遥感数据集上微调可进一步提升图神经网络在道路类型分类等机器学习任务上的性能。
引用
@article{arxiv.2203.01187,
title = {Visual Feature Encoding for GNNs on Road Networks},
author = {Oliver Stromann and Alireza Razavi and Michael Felsberg},
journal= {arXiv preprint arXiv:2203.01187},
year = {2022}
}