论文阅读：Visual Translation Embedding Network for Visual Relation Detection

VTransE（CVPR 2017）

文章
  Paper自称VtranE是第一个采用full-conv的end-to-end的relation detection架构，是同时进行object detection和relation detection的。VTransE将object特征转换到一个低维的relation空间，在这个空间里，relation可以被建模成简单的转换向量（translation vector），比如：

直观地表示就如下图：

注意这里的predicate（谓语）可以是verb，spatial（如above），preposition（如with），comparative（如taller）。可以说visual relation是沟通了视觉和语言的桥梁。
  VTransE的创新点有两处：1.避免了对object pair遍历进行复杂计算的情况，只需要计算每个object在relation space的特征向量，然后便可以用减法得到它们之间的relation，大大减小了计算复杂度和学习的难度？2.显式地在object和predicate之间整合了knowledge transfer，即提取了object的三种特征（类别概率，bbox坐标，roi特征）用于transfer embedding的提取？？这段不是很懂 。
  Visual relation model可以划分为两种：1.joint model，将一个triplet考虑为一个类别；2.s