Classical object detection methods only extract the objects' image features via CNN, lack of utilizing the relationship among objects in the same image. In this article, we introduce the graph convolutional networks (GCN) into the object detection field and propose a new framework called OD-GCN (object detection with graph convolutional network). It utilizes the category relationship to improve the detection precision. We set up a knowledge graph to reflect the co-exist relationships among objects. GCN plays the role of post-processing to adjust the output of base object detection models, so it is a flexible framework that any pre-trained object detection models can be used as the base model. In experiments, we try several popular base detection models. OD-GCN always improve mAP by 1-5pp on COCO dataset. In addition, visualized analysis reveals the benchmark improvement is quite reasonable in human's opinion.


翻译:古老的物体探测方法只能通过CNN提取物体的图像特征,没有利用同一图像中物体之间的关系。在本篇文章中,我们向物体探测场引入图形变异网络(GCN),并提出称为OD-GCN(与图形变异网络的物体探测)的新框架。它利用类别关系来提高探测精确度。我们设置了一个知识图以反映物体之间的共存关系。GCN发挥后处理作用,调整基本物体探测模型的输出,因此这是一个灵活的框架,任何经过预先训练的物体探测模型都可以用作基础模型。在实验中,我们尝试几种流行的基础探测模型。OD-GCN总是通过1-5pp在CO数据集上改进MAP。此外,可视化分析显示基准改进在人类看来相当合理。

4
下载
关闭预览

相关内容

图卷积神经网络蒸馏知识,Distillating Knowledge from GCN
专知会员服务
88+阅读 · 2020年3月25日
17篇知识图谱Knowledge Graphs论文 @AAAI2020
专知会员服务
149+阅读 · 2020年2月13日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
24+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
59+阅读 · 2019年10月10日
一文读懂图卷积GCN
计算机视觉life
18+阅读 · 2019年12月21日
Transferring Knowledge across Learning Processes
CreateAMind
12+阅读 · 2019年5月18日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
Capsule Networks解析
机器学习研究会
10+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
19+阅读 · 2017年11月5日
【学习】(Python)SVM数据分类
机器学习研究会
5+阅读 · 2017年10月15日
【论文】图上的表示学习综述
机器学习研究会
10+阅读 · 2017年9月24日
【推荐】深度学习目标检测全面综述
机器学习研究会
19+阅读 · 2017年9月13日
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
8+阅读 · 2019年1月24日
Arxiv
4+阅读 · 2018年11月6日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
6+阅读 · 2018年3月19日
Arxiv
3+阅读 · 2017年11月21日
VIP会员
相关资讯
一文读懂图卷积GCN
计算机视觉life
18+阅读 · 2019年12月21日
Transferring Knowledge across Learning Processes
CreateAMind
12+阅读 · 2019年5月18日
Focal Loss for Dense Object Detection
统计学习与视觉计算组
11+阅读 · 2018年3月15日
Capsule Networks解析
机器学习研究会
10+阅读 · 2017年11月12日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
19+阅读 · 2017年11月5日
【学习】(Python)SVM数据分类
机器学习研究会
5+阅读 · 2017年10月15日
【论文】图上的表示学习综述
机器学习研究会
10+阅读 · 2017年9月24日
【推荐】深度学习目标检测全面综述
机器学习研究会
19+阅读 · 2017年9月13日
相关论文
Clustered Object Detection in Aerial Images
Arxiv
5+阅读 · 2019年8月27日
Arxiv
8+阅读 · 2019年1月24日
Arxiv
4+阅读 · 2018年11月6日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
6+阅读 · 2018年3月19日
Arxiv
3+阅读 · 2017年11月21日
Top
微信扫码咨询专知VIP会员