Hybrid Knowledge Routed Modules for Large-scaleObject Detection翻译

用于大规模目标检测的混合知识路由模块

摘要：

主要的目标检测方法分别处理每个区域的识别，忽略了一个场景中对象之间的关键语义关联。这种模式在面临严重的长尾问题时会导致性能下降，很少有样本可用于罕见的分类和许多令人困惑的类别存在。我们利用不同的人类常识知识对大规模的对象类别进行推理，并在一个图像中达到语义一致性。特别是，我们提出了混合知识路由模块（hkrm），它结合了由两种知识形式路由的推理：一种用于结构化约束的明确知识模块，用有关概念的语言知识（如共享属性、关系）进行概括；以及anim。描述一些隐含约束（如公共空间布局）的plicit知识模块。通过在一个区域到区域的图形上运行，这两个模块都可以进行个性化和调整，以在特定知识形式的指导下与每个图像中的视觉模式相协调。hkrm重量轻，通用性强，可扩展性强，易于整合多种知识，赋予任何检测网络全局语义推理能力。在大尺度物体检测基准上的实验表明，hkrm对视觉基因组（1000个类别）的改善率约为34.5%，在ade上对地图的改善率约为30.4%。代码和培训模型可在http://github.com/chanyn/hkrm中找到

 

 

更改语言