自构建多视角图卷积神经网络配备自适应分类权重损失的语义分割

CVPRApr, 2020

自构建多视角图卷积神经网络配备自适应分类权重损失的语义分割

Multi-view Self-Constructing Graph Convolutional Networks with Adaptive Class Weighting Loss for Semantic Segmentation

Qinghui Liu, Michael Kampffmeyer, Robert Jenssen, Arnt-Børre Salberg

TL;DR本文提出了一种名为 MSCG-Net 的新型架构，用于语义分割，在最新提出的 Self-Constructing Graph（SCG）模块上构建，通过利用多个视图来明确地利用空中图像的旋转不变性，进一步开发了一个自适应类加权损失来处理类别不平衡问题，证明了所提出方法的有效性和灵活性，与相关纯 CNN 比较，我们的模型在 Agriculture-Vision 挑战数据集上实现了非常有竞争力的结果（0.547 mIoU），并且具有更少的参数和更低的计算成本。

Abstract

We propose a novel architecture called the Multi-view Self-Constructing Graph Convolutional Networks (MSCG-Net) for semantic segmentation. Building on the recently proposed Self-Constructing Graph (SCG) module, which makes use of learnable latent variables to self-construct the underly

multi-view self-constructing graph convolutional networks semantic segmentation self-constructing graph module adaptive class weighting loss agriculture-vision challenge dataset

发现论文，激发创造

自构建图卷积网络用于语义标注

提出了一种名为 Self-Constructing Graph (SCG) 的新型体系结构，利用可学习的潜变量直接从输入特征生成嵌入并自行构建底层图，从而自动获取来自航空图像中复杂物体的优化的非局部上下文图。通过自适应对角线增强方法和一个变分下限来优化 SCG，该下限由一个定制的图重构项和一个 Kullback-Leibler 分歧得到规则化项。SCG 在公开的 ISPRS Vaihingen 数据集上表现出有效性和灵活性，和纯 CNN 模型相比，在参数和计算成本上具有明显优势。

Mar, 2020

面向语义分割的类别动态图卷积

该论文提出基于类别的动态图卷积网络 CDGCNet，采用类别动态图卷积（CDGC）模块自适应地传递信息，获得了在 Cityscapes，PASCAL VOC 2012 和 COCO Stuff 等三个流行的语义分割基准上的 state-of-the-art 表现。

Jul, 2020

为移动视觉扩展图卷积

MobileViGv2 使用 Mobile Graph Convolution (MGC) 模块来解决模型尺寸扩展问题，通过增加图稀疏性和引入条件位置编码到图操作中，提高了在图像分类等任务中的准确性。

Jun, 2024

简单对比图聚类

提出一种名为 Simple Contrastive Graph Clustering (SCGC) 的算法，从网络架构、数据增强和目标函数三个方面改进现有方法，通过简单的低通滤波去噪操作和两个多层感知器 (MLPs) 作为骨干网络，通过构建 siamese 编码器和直接损坏节点嵌入来实现数据增强，设计了新的跨视图结构一致性目标函数来提高网络的判别能力，实验结果表明，在七个基准数据集上，该算法比最近的对比深度聚类竞争对手快至少七倍，并取得了显著的性能优势。

May, 2022

多视角对比图聚类

本研究提出了一种多视图属性图数据聚类的通用框架，采用多视图对比图聚类 (MCGC) 方法来学习一致性图，相比现有的方法，该方法表现更优异，尤其是在深度学习方法上。

Oct, 2021

基于骨架的步态识别的条件自适应图卷积学习

通过引入联合特征学习和自适应图拓扑学习的方法，我们提出了一种适应条件的图卷积网络 (CAG) 用于骨骼步态识别任务，以克服固定权重和视角对识别效果的限制。实验证明，CAG 相较于现有的骨骼步态识别方法在两个常用数据集中 (CASIA-B 和 OU-MVLP) 获得了更好的识别性能，并且与基于外观的方法相结合可以进一步提高识别效果。

Aug, 2023

基于图卷积网络的弱监督图像语义分割

本研究提出了一种基于图卷积网络的特征传播框架，将完整的伪标签的生成作为半监督学习任务来解决弱监督图像语义分割问题，并在 PASCAL VOC 2012 数据集上通过实验得到了比其他最先进的基线方法更好的结果。

Mar, 2021

多视角自适应图卷积用于图分类

该研究提出了一种新的基于图的神经网络的多视图方法，它开发了一种系统和方法论的调整，针对非欧几里得流形的上下文进行了卷积、池化和多视图结构等经典深度学习方法的关键概念，提出了一种新的基于视图的卷积层和新的视图池化层，以综合从多个视图生成的信息，并在端到端的图神经网络架构中用于图分类，并展示了与其他最先进方法相竞争的结果。

Jul, 2020

图像分割与物体提议生成的多尺度组合分组

本文提出了一种统一的方法，通过应用多尺度组合分组（MCG）进行自下而上的分层图像分割和目标提议生成，达到了精确提议和轮廓的最新水平。

Mar, 2015

多视角一致性生成对抗网络用于 3D 感知图像合成

提出了一种基于多视角一致性生成对抗网络（MVCGAN）的高质量 3D 感知图像综合方法，采用几何约束技术，利用深度和相机变换矩阵等信息实现多视角联合优化，同时采用两阶段训练策略和混合训练技术提高模型的生成图像质量，实验结果表明，本方法达到了最先进的性能水平。

Apr, 2022