2018 NIPS LinkNet: Relational Embedding for Scene Graph论文解读

2023-12-26 03:08

本文主要是介绍2018 NIPS LinkNet: Relational Embedding for Scene Graph论文解读,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2018 NIPS LinkNet: Relational Embedding for Scene Graph论文解读

这篇文章想解决的问题是生成scene graph问题,这个任务是基于2017年提出的数据集visual genome的新任务,scene graph如图:

对于输入的一张图像,先检测出它包含的object,并且进行分类,不仅如此还要找到他们之间的关系,然后构成scene graph(图中下半部分),同时还有local region graph任务(图中上半部分)。
基于scene graph任务作者提出了linknet方法。主要包含三个模块:relational embedding module,用于对object进行分类并且对他们的关系进行分类;global context encoding module,用于提取全局信息,尽量包含image中所有的proposal信息,用于辅助object关系的分类;geometrical layout encoding module,使用object proposal之间的空间信息,来辅助object关系的分类。
overview:

对于一张image使用目标检测方法提取object的proposal和label,使用global context encoding module对其提取全局信息,并且用多分类任务进行训练。然后使用proposal特征、label特征和context特征初始化object的表示,然后使用relational embedding module来对object进行分类(在visual genome数据集上的分类,而不是目标检测的分类),并且对object之间的关系进行分类,并且结合geometrical layout encoding module来帮助分类,最终使用这两个分类信息生成scene graph。
object分类:
初始化的object表示如下:

其中f是使用faster-RCNN处理image而得到的ROI特征,l是提取的label特征,使用K来映射到200维,c为全局特征。一共4808维。然后对N个object的特征O进行编码,在object之间传递信息:

其中W U H是参数,用于将O映射到4808/r维(其中r为超参数),R1可以看成是N个object之间的关系矩阵,然后作用到O上,O1可以看成是一个残差模块,用于更好的训练,再将O1映射到256维。再用同样的方法处理一遍O2:

最终映射到O4,当作是对N个object的分类,分类的损失:

global context encoding module:
全局特征c先是所有的RPN特征⬅️一个平均,然后可以映射到(0,1)之间的多分类概率,最终的多分类损失:

关系分类:
对O4和O3编码:

其中O4’是one-hot表示,和O3联合得到E0,然后使用relational embedding module处理一遍E0,得到E1,E1的维度是8192,前4096维可以看成是subject object的特征(因为关系用又有向边表示,是边的头),后一半是object端(边的尾)。然后编码:

其中F为N(N - 1) * 4096维,Fij是i j两个区域之间的联合特征。b是使用object空间信息得到的特征,然后映射到G2,当作为两两object的关系的分类,损失如下:

geometrical layout encoding module模块:
得到object之间的空间信息:

其中x y是坐标,w h为宽高。
最终的loss:

是object分类损失、关系分类损失和全局特征的多分类损失的加权和,可以实现端到端的训练。
实验结果如下:

可以得到在visual genome上最优的结果。
ablation study证明了各个模块的有效性:

并且可视化了object之间的关系:

可以看到得到的关系矩阵和真实的关系比较接近。
可视化生成scene graph的结果:

但本文我有两块没有懂,(1)为什么多分类可以提升全局特征的提取 (2)object两两的融合特征F是怎么来的

这篇关于2018 NIPS LinkNet: Relational Embedding for Scene Graph论文解读的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/537897

相关文章

SpringBoot中配置文件的加载顺序解读

《SpringBoot中配置文件的加载顺序解读》:本文主要介绍SpringBoot中配置文件的加载顺序,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot配置文件的加载顺序1、命令⾏参数2、Java系统属性3、操作系统环境变量5、项目【外部】的ap

Mysql用户授权(GRANT)语法及示例解读

《Mysql用户授权(GRANT)语法及示例解读》:本文主要介绍Mysql用户授权(GRANT)语法及示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录mysql用户授权(GRANT)语法授予用户权限语法GRANT语句中的<权限类型>的使用WITH GRANT

python3 gunicorn配置文件的用法解读

《python3gunicorn配置文件的用法解读》:本文主要介绍python3gunicorn配置文件的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录python3 gunicorn配置文件配置文件服务启动、重启、关闭启动重启关闭总结python3 gun

关于pandas的read_csv方法使用解读

《关于pandas的read_csv方法使用解读》:本文主要介绍关于pandas的read_csv方法使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录pandas的read_csv方法解读read_csv中的参数基本参数通用解析参数空值处理相关参数时间处理相关

java之Objects.nonNull用法代码解读

《java之Objects.nonNull用法代码解读》:本文主要介绍java之Objects.nonNull用法代码,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐... 目录Java之Objects.nonwww.chinasem.cnNull用法代码Objects.nonN

SpringCloud负载均衡spring-cloud-starter-loadbalancer解读

《SpringCloud负载均衡spring-cloud-starter-loadbalancer解读》:本文主要介绍SpringCloud负载均衡spring-cloud-starter-loa... 目录简述主要特点使用负载均衡算法1. 轮询负载均衡策略(Round Robin)2. 随机负载均衡策略(

解读spring.factories文件配置详情

《解读spring.factories文件配置详情》:本文主要介绍解读spring.factories文件配置详情,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录使用场景作用内部原理机制SPI机制Spring Factories 实现原理用法及配置spring.f

Spring MVC使用视图解析的问题解读

《SpringMVC使用视图解析的问题解读》:本文主要介绍SpringMVC使用视图解析的问题解读,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring MVC使用视图解析1. 会使用视图解析的情况2. 不会使用视图解析的情况总结Spring MVC使用视图

Linux中的进程间通信之匿名管道解读

《Linux中的进程间通信之匿名管道解读》:本文主要介绍Linux中的进程间通信之匿名管道解读,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、基本概念二、管道1、温故知新2、实现方式3、匿名管道(一)管道中的四种情况(二)管道的特性总结一、基本概念我们知道多

Linux系统之authconfig命令的使用解读

《Linux系统之authconfig命令的使用解读》authconfig是一个用于配置Linux系统身份验证和账户管理设置的命令行工具,主要用于RedHat系列的Linux发行版,它提供了一系列选项... 目录linux authconfig命令的使用基本语法常用选项示例总结Linux authconfi