[论文笔记]Dual Graph Convolutional Network for Semantic Segmentation

已于 2022-04-13 20:58:32 修改
阅读量1.2k 收藏 3
点赞数 2
分类专栏： 语义分割网络 图卷积 文章标签： 卷积神经网络 图像处理
于 2022-04-12 16:43:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Aaaha_jasper/article/details/124127844
版权

Dual Graph Convolutional Network for Semantic Segmentation

1. Abstract:

DGCNet通过网络中两个正交图建模了输入特征的全局上下文关系，
第一个子块建模像素间的空间关系，第二个子块建模网络特征图的通道维度的相互依赖关系。把特征映射到新的能够建模全局相互关系的低维度空间。
在这里插入图片描述

2. Intro:

研究现状：

为了扩大网络感受野1. FCN通过增加网络的深度，但是线性的增长较缓慢，不能捕获长距离的像素关系。2. 扩张卷积（空洞卷积）的缺点是卷积后的特征图由图像中的大物体主导，小物体效果不好。3.多尺度特征融合网络在空间上传导信息。4. 基于自注意力学习一张像素间的关联亲密图在每个空间位置传播信息给它邻居位置。但是内存需求较大。

提出方法：

包括两个主要的组件：1. 坐标空间的GCN建模像素的空间关系，使得网络能够产生连续的预测并考虑图中的所有对象。2. 特征空间GCN捕获更抽象的特征间的相关关系（例如物体的局部部分）。推理后两个部分的特征映射到原始坐标空间并加到原始特征上（类似resnet的shortcut）。

3. 模型结构

在这里插入图片描述
坐标空间图卷积：
在这里插入图片描述
特征空间图卷积
在这里插入图片描述

北极冰川的岛屿
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
语义分割论文：Dual Attention Network for Scene Segmentation (CVPR2019)
mingo_敏
04-01 2498
DAN Dual Attention Network for Scene Segmentation (CVPR2019) https://arxiv.org/pdf/1809.02983.pdf [Pytorch] https://github.com/junfu1115/DANet 特点： 提出了Dual Attention Networks (DANet)在spatial和channle维度...
语义分割论文：Learning Deconvolution Network for Semantic Segmentation (ICCV2015)
mingo_敏
04-01 1016
Deconvolution: Learning Deconvolution Network for Semantic Segmentation (ICCV2015) https://arxiv.org/pdf/1505.04366.pdf http://cvlab.postech.ac.kr/research/deconvnet/ Caffe: https://github.com/Hyeonw...
[论文笔记-2]Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis
lnbbbb的博客
01-31 1462
分点、无大段、有逻辑的非“纯翻译”中文笔记
2018_WWW_Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification
weixin_46645827的博客
01-10 1209
2018_WWW_Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification—(The World Wide Web Conference, 2018.04.23)-- Chenyi Zhuang, Qiang Ma 论文下载地址： https://doi.org/10.1145/3178876.3186116 发表期刊：IW3C2 (International World Wide Web Confere
Dual Graph Convolutional Networks for Graph-Based Semi-Supervised Classification
qq_45312141的博客
06-22 2220
Dual Graph Convolutional Networks for Graph-Based Semi-Supervised ClassificationIntroduction[ Local Consistency Convolution:ConvAConvAConvA ](https://blog.csdn.net/qq_45312141/article/details/106711724)Global Consistency Convolution:ConvPConvPConvP整合局部和全局
27. Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis 阅读笔记
薰珞婷紫小亭子的博客
03-16 2707
目录 1. Abstract Introduction 2. Related Work 模型简称：DualGCN Author ,,, , , Institutions School of Artificial Intelligence,Beijing University of Posts and Telecommunications（北邮）,China Language Technologies Institute,Carnegie Mellon University, USA A
[DIS]Deep Dual Learning for Semantic Image Segmentation
Jinming Su
02-02 1009
Abstract ICCV2017的文章，港中文，中山和商汤合作. 本文认为现在的语义分割的性能并没有完全被开发出来，原因是需要大量的pixel级别的标注。本文的目的就是提出dual image segmentation(DIS)，半监督来提高分割效率。DIS的三个主要优点是: (1)利用tags来提高labelmap的结果 (2) 能够clean tags that have noises ...
图卷积在语义分割上的应用（论文集）
如果想成为中心，那么就到中心去吧。
11-18 5640
文章目录2019Graph-FCN for image semantic segmentation 2019 Graph-FCN for image semantic segmentation 深度学习的语义分割在图像像素分类方面取得了很大的进展。然而，在深度学习的高级特征提取中，通常会忽略局部位置信息，这对图像语义分割具有重要意义。为了避免这个问题，我们提出了一个由名为Graph-FCN的全卷积网络(FCN)初始化的图模型，用于图像语义分割。首先，利用卷积网络将图像网格数据扩展到图结构数据中，将语义分割问
Mix-and-Match Tuning for Self-Supervised Semantic Segmentation
02-08
摘要：Deep convolutional networks for semantic image segmentation typically require large-scale labeled data, e.g. ImageNet and MS COCO, for network pre-training. To reduce annotation efforts, self-...
Affinity Derivation and Graph Merge for Instance Segmentation阅读笔记
FLY的博客
01-25 1307
Affinity Derivation and Graph Merge for Instance Segmentation用于实例分割的亲和派生和图合并方法一、简介二、相关工作2.1语义分割2.2实例分割功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如...
How to do Semantic Segmentation using Deep learning(如何使用深度学习进行语义分割)
weixin_41697507的博客
04-14 743
This article is a comprehensive overview including a step-by-step guide to implement a deep learning image segmentation model. update: We just launched a new product: [Nanonets Object Detection APIs ]...
论文阅读：Graph-based Region and Boundary Aggregation for Biomedical Image Segmentation
weixin_51429895的博客
03-01 370
基于边界的多边形回归方法，我们建立了一个新的基于图神经网络（GNN）的深度学习框架，具有多个图推理模块，以端到端方式明确地利用区域和边界特征。该机制利用所提出的注意增强模块（AEM）提取区分区域和边界特征，称为初始化区域和边界节点嵌入。利用GNN，显示地同时考虑了医学图像的 region features (containing semantic information) and boundary features (containing spatial information) 信息。
python中的refind_语义分割/目标检测/轻量级网络论文分类列表
weixin_36217058的博客
02-09 309
Fully Convolutional Networks for Semantic Segmentation(FCN)SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation(SegNet)U-Net: Convolutional Networks for Biomedical Image Se...
图像分割"ScribbleSup: Scribble-Supervised Convolutional Networks for Semantic Segmentation"
cv_family_z的博客
06-15 4315
像素级掩码标记非常耗时且繁琐，简单对每类语义划一条线作为标记，使用简笔标记的结果训练卷积网络进行语义分割，将降低标记人员工作量。基于图模型将简笔标记的信息，结合空间约束、外观及语义内容，传播到未标记的像素上。在PASCAL VOC上的简笔标记数据： http://research.microsoft.com/en-us/um/people/jifdai/downloads/scribble_sup
PaperReading|Graph Attention Convolution for Point Cloud Semantic Segmentation
ChanKi_的博客
07-28 1687
论文地址：http://openaccess.thecvf.com/content_CVPR_2019/papers/Wang_Graph_Attention_Convolution_for_Point_Cloud_Semantic_Segmentation_CVPR_2019_paper.pdf 源码地址：https://github.com/yanx27/GACNet [外链图片转存失败(im...
5篇CVPR 各路大佬显身手 点云分割、姿态估计、物体检测、生成重建
3D视觉工坊
04-07 3238
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达3D方向：港中文针对分割问题提出双重设置点分组模型；清华提出无需 PoseNet 的联合深度姿势学习；北理工和百度提出基于LiDA...
【论文阅读】Learning Deconvolution Network for Semantic Segmentation
huitailangyz的博客
08-20 1926
论文地址：https://arxiv.org/abs/1505.04366v1   目录 【概要】 一、介绍 二、相关工作 三、系统结构 3.1 结构 3.2 用于分割的反卷积网络 3.3 系统概述 四、训练 4.1 批标准化（Batch Normalization） 4.2 两步训练 五、推断 5.1 汇总实例级别的分割映射 5.2 与FCN进行集成 六、实验 ...
Semantic Segmentation---DANet:Dual Attention Network for Scene Segmentation（论文解读九）
一一
06-02 2265
Title：DANet：Dual Attention Network for Scene Segmentation Note data：2019/06/02 Abstract：该论文提出新型的场景分割网络DANet，利用自注意力机制进行丰富语义信息的捕获，在带有空洞卷积的FCN架构的尾部添加两个并行的注意力模块：位置注意力模块和通道注意力模块。 Code ：pytorch 目录 DANet论文...
论文阅读笔记-Segmentation-Aware Convolutional Networks Using Local Attention Masks
jessican_uestc的博客
12-29 822
 发表于ICCV2017的论文Segmentation-Aware Convolutional Networks Using Local Attention Masks用segmentation-aware的convolution代替CNN中传统的convolution，使得计算过程中神经元可以注意于和它属于同一类的区域。在semantic segmentation和optical flow es...
Dual graph convolutional network
最新发布
05-18
Dual Graph Convolutional Network (DGCN) is a type of neural network designed to work with graph data. It uses two types of graphs - the primal graph and the dual graph - to represent the input data. The primal graph represents the original data and the dual graph represents the relationships between the original data points. DGCN works by performing convolution operations on both the primal and dual graphs. This allows the network to capture both local and global relationships between data points. The convolution operation on the primal graph captures local information while the convolution operation on the dual graph captures global information. DGCN has been used in various applications such as image classification, social network analysis, and recommendation systems. It has shown promising results in these applications and is considered to be a powerful tool for working with graph data.
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值