DRRG:Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection解读（2）GCN

前言

这里还是对DRRG的一点补充，这里涉及的是GCN部分，不涉及理论具体理论请参考这篇文章：图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导-持续更新_无知人生，记录点滴-CSDN博客 https://blog.csdn.net/yyl424525/article/details/100058264
这里我只讲意义，就是为啥用GCN。

结构

首先，结构说道GCN的应用我们要先了解一个问题，GCN用来干神魔。答案是用来构建局部图之间的连接。第二个问题：cnn可不可以做。答：可以但是效果不好。可以看到CNN面对的图像矩一般是这样的：
可以看出CNN的特征图比较规整，所以我们可以用33的卷积核来对特征图进行滤波。
但是，让我们看一下局部图：
我们做的是在相邻节点之间找到某种规律，也就是说我们面对的结构是这样的：
我们通常将这种结构成称为：Non Euclidean Structure。很显然，如果我们要是相对这种特征进行滤波我们的33特征图就不实用了。所以就用到了GCN，所以明白了吧。GCN的意义就是处理CNN无法处理的特征结构，并且找到他们的规律。这就为局部图的连接带来了很大的帮助。

最后

这里我们大致讲解了一下，GCN的作用，详细原理涉及大量高数，线性代数知识，如果感兴趣可以去看上面那个网址的论文。