论文阅读：Zoom-Net: Mining Deep Feature Interactions for Visual Relationship Recognition

Kivee123

于 2018-09-21 09:00:19 发布

阅读量1.3k

点赞数

文章标签： scene understand

本文链接：https://blog.youkuaiyun.com/qq_37014750/article/details/82796196

版权

本文深入探讨Zoom-Net模型在视觉关系识别中的应用，通过Appearance、Context-Appearance和Spatiality-Context-Appearance模块研究对象与关系特征的交互。论文提出Constractive RoI Pooling和Pyramid RoI Pooling技术，结合Intra-Hierarchical Tree结构，以增强特征融合和分类性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Zoom-Net（ECCV2018）

文章
Paper展示了通过对local的object feature和global的predicate feature进行深层次的message passing和interaction是增强relationship recognization性能的一个有效途径。为了能够对object和predicate学习好的特征，paper研究了3种可解释的模型。
在这里插入图片描述
1）Appearance Module（b）：
关注每个RoI的自身依赖性，不使用message passing，独立地对object和predicate特征进行学习，而且无法获得空间和上下文的信息。
2）Context-Appearance Module（c）：
直接在subject，predicate，object三个分支中进行信息的传递，但是这些特征信息的组合并不考虑这些RoI在原图中的空间分布。
3）Spatiality-Context-Appearance Module（d）：
空间特征是指比如subject和object之间的相对尺寸和位置
接下来是paper提出的模型的细节：

最低0.47元/天解锁文章