论文阅读：Learning Human-Object Interactions by Graph Parsing Neural Networks

最新推荐文章于 2022-06-01 15:49:27 发布
最新推荐文章于 2022-06-01 15:49:27 发布
阅读量3.2k 收藏 7
点赞数
文章标签： scene understand
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_37014750/article/details/82683142
版权

GPNN(ECCV2018)

文章
  用来检测human-object interaction。Paper说提出GPNN的目的是为了在HOI任务中显式地对空间、时间（视频）以及human-object关系进行利用。
这里写图片描述
  complete HOI指的是所有的node之间都有link，node包括human和object，假设node特征为d_V维，edge的特征为d_E维（从两个box的union box提取得到的），且complete HOI一共有N个node，那么特征矩阵F则为NxNx(2d_V+d_E)，也就是每两个node及其之间的边都要按顺序组合一次。然后用1x1的卷积计算出一个邻接矩阵。邻接矩阵可以用来表示两个node的某种相关性

这里写图片描述

  上面的公式为每个node的状态h的更新过程，A是邻接矩阵，M是计算message的函数，U是利用当前状态h和新的信息m计算更新状态h的函数。然后这样不断地迭代：

计算特征矩阵F –> 计算邻接矩阵A –> 计算message –> 更新node隐藏状
最低0.47元/天 解锁文章
Kivee123
关注
Graph Neural Networks: A Review of Methods and Applications（图神经网络：方法与应用综述）
weixin_41697507的博客
07-06 5686
Graph Neural Networks: A Review of Methods and Applications Jie Zhou , Ganqu Cui , Zhengyan Zhang , Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun Abstract—Lots of learning tasks req...
Learning Human-Object Interactions by Graph Parsing Neural Networks阅读笔记
qq_46805191的博客
03-17 628
前言 这是一篇2018年发表在ECCV上得paper，论文原文点这里。 笔记 说实话刚看到这篇文章还是有点唬人的，文中作者提出了一个网络模型叫GPNN，图解析神经网络，我以为是跟GNN有关系，花了一些时间去看了近些年GCN的一些发展回头又读这篇文章的时候把GCN的思想带进去发现怎么都读不懂，后来才发现这篇文章仅仅是用了图的“结构”，后边的网络仍然是正常的Conv2D卷积。 作者介绍，其提出了GPNN，一个可以结合结构知识和深度神经网络的学习能力的端到端的模型框架。对于给定的情景（一张图片），GPN
Learning Human-Object Interactions by Graph Parsing Neural Networks代码学习（Ubuntu+pycharm）
qq_40250617的博客
05-19 1860
１．class GPNN_HICO(torch.nn.Module)：　类 　　torch.nn.Module这个类内部有多达４８个函数，是ｐｙｔｏｒｃｈ中所有神经网络模型的基类；GPNN_HICO继承了torch.nn.Module这个类，成为了torch.nn.Module的子类， ２．def __init__(self, model_args):　方法 　　ｓｅｌｆ是定义每个类的方法 ...
ECCV 2018| Learning Human-Object Interactions by Graph Parsing Neural Networks阅读笔记
weixin_59340037的博客
04-20 1056
本文主要是为了解决图像和视频中的HOI任务，引入了图解析神经网络（GPNN），是一个利用结构知识的端到端的可分辨结构。给出一个场景，GPNN能够推断出一个解析图，并且包含（1）使用邻接矩阵表示的图结构（2）节点标签。当消息传递到网络中是，GPNN就会迭代计算出邻接矩阵与节点标签。在V-COCO、HICO-DET、CAD-120上评估该方法都取得了较好的效果。 论文地址：http://cn.arxiv.org/abs/1808.07962 代码地址：https://github.com/SiyuanQi/gp
Detecting and Recognizing Human-Object Interactions
10-12
要理解视觉世界，机器不仅必须识别单个目标，还必须识别它们是如何交互的。本文提出了一种新的模型，挑战日常照片中检测⟨人类、动词、目标⟩三元组的任务。
HOTR: End-to-End Human-Object Interaction Detection with Transformers
weixin_43889476的博客
06-01 662
使用Transformer实现HOI检测,附带自己画的框架图,比较清晰的带你理解HOI检测的流程.
论文笔记之Learning Human-Object Interaction Detection using Interaction Points
加油
07-25 2776
直接预测人-物的交互点和交互向量（用于分组），再与人/物检测结果关联得到最终结果。 CVPR2020接收 论文地址：https://arxiv.org/abs/2003.14023 1. 摘要 理解人与物体之间的相互作用是视觉分类的基本问题之一，也是实现详细场景理解的重要步骤。人与物体之间的交互（HOI）检测力求既定位人与物体，又确定它们之间的复杂交互。 大多数现有的HOI检测方法都是以实例为中心的，其中基于外观特征和粗糙的空间信息来预测所有可能的人-物体之间的交互。 作者认为，仅外观特征不足以捕获复杂.
人物交互（human object interaction）论文汇总-2019年
加油
11-08 3376
1. Relation Parsing Neural Network for Human-Object Interaction Detection 1.1 总述 提出一种关系解析神经网络RPNN，由两部分组成：物体-身体部位图和人体-身体部位图，前者捕获身体部位与周围物体的关系，后者推断人体与身体部位的关系，并组合身体部位上下文信息以预测动作。这两个图由动作传递机制关联。 总的来说，网络基于人的特征预测动作发生的位置（参与交互物体的位置）的密度；基于物体特征预测每个动作的物体与人之间交互的概率。 1.2 网
READING NOTE: Learning to Detect Human-Object Interactions
joshua_1988
02-28 1203
TITLE: Learning to Detect Human-Object Interactions
论文阅读
weixin_42155440的博客
05-02 304
本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。 中文
CVPR2018 Detecting and Recognizing Human-Object Interactions阅读笔记
yang_daxia的博客
10-11 378
1.Introduction 本文不仅检测object, 还把object分为human和物体, 考虑任何物体的关联关系. 目的是学习一个三元组关系<human, action, object> 2.method 作者 在fast rcnn基础上扩展来个分支, 获得三元组的score, 该score由4部分组成: Sh,oa=sh⋅so⋅sha⋅gh,oa(1) S_{h, o}^...
图像理解--Detecting and Recognizing Human-Object Interactions
AI小作坊 的博客
06-05 5382
Detecting and Recognizing Human-Object Interactions https://arxiv.org/abs/1704.07333大牛们已经从图像的检测分割向图像理解的研究方向过度了！本文主要关注图像中的 人 和 物体的关系检测和识别，这种关系可以用一个三元素
论文阅读：Interact as You Intend: Intention-Driven Human-Object Interaction Detection
Kivee的博客
10-09 1378
iHOI（submitted to IEEE Trans. on Multimedia） 文章   本文focus在检测social scene images上的human-object interactions（HOIs）。本文的一个出发点是human在与object进行interaction的时候，会根据他们的intention调整注意力和移动身体，因此本文的就在HOI检测中加入了human ...
论文笔记：Transferable Interactiveness Knowledge for Human-Object Interaction Detection(CVPR2019)
王小石的博客
05-11 302
核心思想：学习Interactiveness Knowledge来判断是否存在人与物体的交互。用图来表示图片中的实例和关系，实例是节点，关系是边，如果采用穷举法配对，将会产生大量的边，其中大部分没有交互关系的边都应该被舍弃。 思路：任何HOI数据集都可以转换成二分类标签，用来学习Interactiveness Knowledg。先用Interactiveness Knowledge进行Non-Interaction抑制，得到稀疏图，再进行交互关系的分类。 具体： 1.包括三部分：特征表示R、交互判断P、交互
论文阅读（一）
lwyeluo的专栏
01-04 1895
所有论文笔记请戳：http://blog.youkuaiyun.com/lwyeluo/article/details/54017718    Trusted Geolocation-Aware Data Placement infrastructure clouds 2015-12-09 摘要 云中数据的地理定位成为亟待解决的问题，尤其是在不同行政区域法规与数据所有者需求不兼容的情况下。本
Contextual Heterogeneous Graph Network for Human-Object Interaction Detection论文阅读笔记
qq_46805191的博客
04-02 400
前言 论文地址 笔记 这篇论文很像之前的GPNN，也是将HOI描述成图，利用图的结构来构建网络。但是这篇文章指出，前边的GPNN及其他类似的网络，都将human和object当作一样的节点，但是这篇文章认为，他们应该属于两个不同种类的节点，这样进行分类更好。 如图1所示，在本文的做法当中，会将一张图片中的自行车和人标记为不同的节点，例如人都是红色框标注，物体都是蓝色框标注，同一类的节点在文中称之为homogeneous nodes它们之间称为intra-class，而不同类的节点称为heterogene
Laravel 5交互开发实战：从laravel-interactions说起
在本例中，"laravel-interactions-master" 可能是一个项目名或一个源代码存储库的名称，通常位于如GitHub这样的代码托管平台上。开发者可以通过克隆或下载该项目的压缩包，并根据项目文档将其集成到现有的Laravel...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值