科研之友
微信
新浪微博
Facebook
分享链接
摘要
深度学习是目前图像分类的主流方法之一，其重视感受野内的局部信息，却忽略了类别的先验拓扑结构信息。本文提出了一种新的图像分类方法，即Key-D-Graph，这是基于关键点的图对比网络方法，在识别图像类别时可以显式地考虑拓扑先验结构。具体地，图像分类需要2个步骤，第一步是基于关键点构建图像的图表达，即采用深度学习方法识别图像中目标类别的可能关键点，并采用关键点坐标生成图像的拓扑图表达；第二步基于关键点的图像图表达建立图对比网络，以估计待识别图与目标类别之间的结构差异，实现类别判断，该步骤利用了物体的拓扑先验结构信息，实现了基于图像全局结构信息的物体识别。特别的，Key-D-Graph的中间输出结果为类别关键点，具有语义可解释性，便于在实际应用中对算法逐步分析调试。实验结果表明，提出的方法可在效率和精度上超过主流方法，且通过消融实验分析验证了拓扑结构在分类中的作用机制和有效性。
-
单位复杂系统管理与控制国家重点实验室; 中国科学院自动化研究所; 中国医学科学院北京协和医学院; 北京协和医院; 山东师范大学
