一种基于图上神经网络的图像中物体检测方法及少量训练实例

DOI:

EDN:

评审日期

出版日期

注解: 在所提出的工作中，研究的对象是计算机视觉系统。 该研究的主题是基于图形上的神经网络和少量训练示例来检测图像中物体的方法。 本主题的诸如使用场景的结构表示来提高对象检测的准确性的方面被详细讨论。 建议基于神经网络在图形上共享有关场景结构的信息，并从"多个镜头"进行训练，以增加目标检测的准确性。 类之间的关系是使用外部语义链接建立的。 为此，预先创建了一个知识图。 该方法包含两个阶段。 在第一阶段，基于具有"多个镜头"的训练来执行对象检测。 在第二阶段，使用图形上的神经网络提高了检测精度。 所开发的方法的基础是使用基于谱图理论的卷积。 每个顶点表示知识图中的一个类别，基于条件概率计算图的边权重。 基于卷积，来自相邻顶点和边的信息被组合以更新顶点值。 所开发的方法的科学新颖性在于联合使用图上的卷积网络和来自"多次拍摄"的训练，以增加目标检测的准确性。 作者对该主题研究的一个特殊贡献是使用基于知识图的卷积网络，使用少量训练示例改进目标检测方法的结果。 该方法在计算机视觉领域的图像测试集上进行了研究。 利用PASCAL VOC和MS COCO数据集，证明了该方法通过分析结构关系提高了目标检测的准确性。 与不使用结构表示的"多次拍摄"训练方法相比，使用开发的方法进行物体检测的平均准确度提高了1-5％。

出版日期: