论文阅读：Scene Graph Generation by Iterative Message Passing(CVPR17)

（a）一幅图片经过目标检测提取bounding box，并得到node feature和edge feature。其中node feature就是每一个bounding box的视觉特征，edge feature是bi、bj两个bounding box的union box的视觉特征。
这些视觉特征都来自于目标检测网络。

（b）message pooling，信息融合。
初始的点特征和边特征是这样的：

message passing的具体计算方法如下：
node融合的信息是node state，入边edge(i→j)的state和出边edge(j→i)的state
edge融合的信息是edge state，主语目标(subject)的state和宾语目标的(object)的state

mi表示第i个node的message，mi→j表示位于第i个node和第j个node之间的edge的message
v1、v2、w1、w2都是可学习的参数

message passing后的结点和边特征再分别通过edge GRU和node GRU

（c）迭代
b的流程重复0次或多次

（d）生成场景图
由nodeGRU生成的node feature进行bounding box的类别分类，由edgeGRU生成的edge feature进行predicate即谓词分类。这样就构成< sub-rel-obj >这种形式的视觉三元组了。