图卷积图像分类模型

本周推荐《Multi-Label Image Recognition with Graph Convolutional Networks》，CVPR2019.
论文题目：基于图卷积网络的多标签图像识别模型

摘要：
旷视研究院提出一种基于图卷积网络（Graph Convolutional Network，GCN）的多标签分类模型。该模型通过 data-driven 方式建立标记间有向图（directed graph）并由 GCN 将类别标记映射（mapping）为对应类别分类器，提出使用 GCN 直接将词嵌入向量映射到一组互相依赖的分类器上，这些分类器进一步又可直接应用于图像特征以进行分类。

GCN 的模型有两个设计动机：
　　由于从词嵌入向量到分类器的映射参数在所有类别中是共享的，所以习得的分类器能够在词嵌入空间中（语义相关的概念在词嵌入空间中彼此临近）保留较弱的语义结构。与此同时，对于可以对标签依赖性进行隐式建模的分类器函数，所有分类器的梯度都会对它产生影响。
　　基于标签的共现模式，旷视研究员设计了一个全新的标签相关系数矩阵，可显式地用 GCN建模标签相关性，让节点的特征在更新时也能从相关联的节点（标签）吸收信息。
　　
https://github.com/Megvii-Nanjing/ML-GCN