关键点图对比图像分类方法

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.

关键词：关键点识别、图拓扑结构、图像分类、图对比学习、距离学习、图神经网络、暹罗网络、图分类

所属期刊栏目：18

分类号：TP3(计算技术、计算机技术)

资助基金：国家重点研发计划;山东省自然科学基金青年项目;国家自然科学基金;国家自然科学基金;中国科学院战略性先导科技专项;中央级公益性科研院所基本科研业务费临床与转化医学研究基金项目;中国医学科学院医学与健康科技创新工程医学人工智能科技先导专项;中央高校基本科研业务费重点项目

在线出版日期：2023-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：36-46