- 博客(3)
- 收藏
- 关注
RSS订阅原创 VectorFloorSeg: Two-Stream Graph Attention Network for Vectorized Roughcast Floorplan Segmentation
先前的语义分割工作主要处理光栅图像中装饰良好的平面图，并且由于像素级分割忽略了矢量平面图中的规则元素（例如线段），通常在分割的房间中产生混叠边界和异常片段。为了克服这些问题，我们建议充分利用向量平面图中的规则元素进行更积分的分割。我们的模型通过将线段双重分类为房间边界以及由线段划分的区域，从而在矢量平面图中预测房间分割。为了充分利用线条和区域之间的结构关系，我们使用两个流图神经网络分别处理线段和分割区域，并设计了一个新的调制图注意力层来融合从一个流到另一个流的异构信息。
2023-07-04 02:45:57
257
2
原创 Graph Decipher: A transparent dual-attention graph neural network 图解密器：一种透明的双注意图神经网络，用于理解节点分类的消息传递机制
图形神经网络可以有效地应用于许多不同领域的实际问题的解决方案。图神经网络的成功与图上的消息传递机制有关，但在大多数算法中，消息聚合行为仍不完全清楚。为了改进功能，我们提出了一个名为Graph Decipher的新透明网络，通过在节点分类任务下的图形的图形、特征和全局级别上对两个主要组件（图形结构和节点属性）进行优先级排序，来研究消息传递机制。然而，计算负担现在成为最重要的问题，因为图结构和节点属性的相关性都是在图上计算的。
2022-12-22 14:29:33
288
1
原创 SuperGraph: Spatial-temporal graph-based feature extraction for rotating machinery diagnosis
振动信号本身是不规则的且往往是含有噪声的。这使得频谱分析难以提取高阶特征。随着图论被应用于频谱分析中来提高特征提取的性能。本文提出一种基于时空图的旋转机械故障特征提取方法超图法。具体说就是基于图论的频谱分析被用于构建时空图。然后，从构建的时空图中提取基于拉普拉斯矩阵的特征向量。通过这种方式，将时空图转换为一维向量以进一步构造超图，其中超图的每个节点表示时空图，并且超图由许多局部图组成。只有相同类型的节点才能完全连接形成一张局部图。因此，图分类的任务可以转化为对超图中的节点进行分类。
2022-12-21 21:01:47
466
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人