《用于虹膜分割的多维知识驱动图神经网络》 一区 ccf-a 期刊论文
总结：使用图神经网络的思想进行虹膜分割任务，考虑视觉一致性、位置一致性、语义一致性三方面的知识。其中视觉一致性通过计算节点的余弦相似度，位置一致性计算节点距离，语义一致性是使用伪标签训练。
如果了解一下图神经网络的知识就会发现，其是将图神经网络引入虹膜分割领域，并进行一些相关设计得出的，做法和现有GNN基本一致，先用CNN提取图像特征作为图节点，后输入GNN中分割。创新点在于其针对虹膜分割任务的细节设计，包含图节点特征设计（三方面知识）、损失函数（类别不平衡问题的解决）、降低计算复杂度等设计（自适应像素模块），是一篇极具创新的文章。
个人意见：
（1）为什么加入语义一致性，我在复现其方法时也好像略微领略到一些，因为光靠节点特征和边的设计，其实提取的还是不够精准（针对现有的一些方法来说）；
（2）节点设计的计算余弦相似度作为特征，我实际操作起来会使得计算复杂度大量增加，这里是一个可优化的点。
（3）感觉图神经网络在三维点云场景会有效果（最近听了一些有关场景重建和生成的讲座有感）
详细的翻译内容，后面有时间再跟进
扫一扫
4137
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
