多尺度稀疏图引导的视觉图神经网络

doi:10.11772/j.issn.1001-9081.2024070910

《计算机应用》唯一官方网站 ›› 2025, Vol. 45 ›› Issue (7): 2188-2194.DOI: 10.11772/j.issn.1001-9081.2024070910

多尺度稀疏图引导的视觉图神经网络

张子墨¹, 赵雪专²^,³^,⁴^,⁵()

^1.新加坡国立大学人文与社会科学学院，新加坡 119077
^2.空基信息感知与融合全国重点实验室，河南洛阳 471009
^3.郑州航空工业管理学院计算机学院，郑州 450046
^4.哈尔滨工业大学重庆研究院，重庆 401151
^5.航空航天电子信息技术河南省协同创新中心（郑州航空工业管理学院），郑州 450046

收稿日期:2024-07-01 修回日期:2024-11-06 接受日期:2024-11-11 发布日期:2025-07-10 出版日期:2025-07-10
通讯作者: 赵雪专
作者简介:张子墨（2001—），女，河南郑州人，硕士研究生，主要研究方向：机器学习、大数据分析
赵雪专（1986—），男，河南濮阳人，副教授，博士，CCF会员，主要研究方向：机器学习、模式识别。zhaoxuezhuan@zua.edu.cn
基金资助:
河南省重点研发专项(231111212000);河南省杰出外籍科学家工作室项目(GZS2022011);航空科学基金资助项目(20230001055002);重庆市自然科学基金资助项目(CSTB2023NSCQ-MSX0070);河南省科技攻关项目(232102210054)

Multi-scale sparse graph guided vision graph neural networks

Zimo ZHANG¹, Xuezhuan ZHAO²^,³^,⁴^,⁵()

^1.Faculty of Arts and Social Sciences，National University of Singapore，Singapore 119077，Singapore
^2.National Key Laboratory of Air-based Information Perception and Fusion，Luoyang Henan 471009，China
^3.School of Computer Science，Zhengzhou University of Aeronautics，Zhengzhou Henan 450046，China
^4.Chongqing Research Institute，Harbin Institute of Technology，Chongqing 401151，China
^5.Collaborative Innovation Center of Aerospace Electronic Information Technology of Henan Province （Zhengzhou University of Aeronautics），Zhengzhou Henan 450046，China

Received:2024-07-01 Revised:2024-11-06 Accepted:2024-11-11 Online:2025-07-10 Published:2025-07-10
Contact: Xuezhuan ZHAO
About author:ZHANG Zimo， born in 2001， M. S. candidate. Her research interests include machine learning， big data analysis.
ZHAO Xuezhuan， born in 1986， Ph. D.， associate professor. His research interests include machine learning， pattern recognition.
Supported by:
Henan Province key Research and Development Project(231111212000);Project of Henan Center for Outstanding Overseas Scientists(GZS2022011);Aviation Science Foundation(20230001055002);Chongqing Natural Science Foundation(CSTB2023NSCQ-MSX0070);Henan Science and Technology Research Program(232102210054)

摘要/Abstract

摘要：

近年来，视觉图神经网络（ViG）在计算机视觉领域引起了研究人员的广泛关注，其中构图是ViG的重要建模方式。目前流行的K近邻（KNN）构图方法尺度单一、具有二次计算复杂度并且难以建模图像的局部和多尺度信息。为了解决该问题，提出一种尺度稀疏图的构筑方法——MSSG（Multi-Scale Sparse Graph）。该方法将KNN图沿通道分解为3个不同尺度的稀疏子图，具有线性的计算复杂度并且能实现图像局部信息和多尺度信息的有效建模。为了增强模型的全局建模能力，提出一种全局和局部多尺度信息融合策略。基于以上方法，提出一种视觉架构——MSViG（Multi-Scale Vision Graph neural network）。在ImageNet-1K数据集上进行的图像分类实验的结果表明，MSViG优于传统的ViG。例如，与视觉神经网络ViG-T相比，所提MSViG-T的Top-1分类准确率提高了2.1个百分点，并且在目标检测和实例分割视觉下游任务上MSViG相较于传统ViG取得了较大的性能提升。

关键词: 图神经网络, 视觉图神经网络, 视觉骨干网络, 图像分类, 目标检测, 实例分割

Abstract:

Recently， the Vision Graph neural network （ViG） has attracted considerable attention from the researchers in the field of computer vision， with graph construction being a key modeling approach in ViG. The existing popular K-Nearest Neighbor （KNN） graph construction approach is limited by fixed scale and quadratic computational complexity， making it difficult to model both local and multi-scale information in the image. To address this issue， a construction method of multi-scale sparse graph — MSSG （Multi-Scale Sparse Graph） was proposed. In this method， the KNN graph was decomposed into three sparse subgraphs of different scales along the channel dimension， achieving linear computational complexity while modeling both local and multi-scale information in the image effectively. To enhance the model’s global modeling capability， a global and local multi-scale information fusion strategy was proposed. Based on these methods， a vision architecture — MSViG （Multi-Scale Vision Graph neural network） was proposed. The results of image classification experiments on ImageNet-1K dataset demonstrate that MSViG outperforms the existing ViG. For example， the proposed MSViG-T achieves a 2.1 percentage points higher Top-1 classification accuracy compared to ViG-T， and it also shows significant performance improvements in downstream vision tasks such as object detection and instance segmentation compared to ViG.

Key words: Graph Neural Network (GNN), Vision Graph neural network (ViG), vision backbone, image classification, object detection, instance segmentation

中图分类号:

TP212

张子墨, 赵雪专. 多尺度稀疏图引导的视觉图神经网络[J]. 计算机应用, 2025, 45(7): 2188-2194.

Zimo ZHANG, Xuezhuan ZHAO. Multi-scale sparse graph guided vision graph neural networks[J]. Journal of Computer Applications, 2025, 45(7): 2188-2194.

图/表 9

图1 多尺度稀疏图

Fig. 1 Multi-scale sparse graphs

图2 MSViG模型架构

Fig. 2 Architecture of MSViG model

表1 模型参数设置

Tab. 1 Model parameter setting

模型	通道维度	块数	通道比C1
MSViG-T	［48， 96， 192， 192］	［2，2，6，2］	0.8
MSViG-S	［64， 128， 320， 512］	［3，3，10，3］	0.6
MSViG-M	［96， 192， 384， 768］	［3，3，12，3］	0.5
MSViG-B	［128， 256， 512， 768］	［3，4，14，4］	0.4

表2 ImageNet-1K数据集的训练超参数

Tab. 2 Training hyper-parameters for ImageNet-1K dataset

模型	训练次数	优化器	初始学习率	学习率计划	预热训练次数	权重衰减	Label smoothing	Stochastic path	Repeated augment
MSViG-T	300	AdamW	2×10^-3	Cosine	20	0.05	0.1	0.10	√
MSViG-S	300	AdamW	2×10^-3	Cosine	20	0.05	0.1	0.15	√
MSViG-M	300	AdamW	2×10^-3	Cosine	20	0.05	0.1	0.20	√
MSViG-B	300	AdamW	2×10^-3	Cosine	20	0.05	0.1	0.30	√

表3 ImageNet-1K数据集的图像分类结果对比

Tab. 3 Comparison of image classification results on ImageNet-1K dataset

模型	类型	参数量/10⁶	运算量/GFLOPs	Top-1准确率/%	模型	类型	参数量/10⁶	运算量/GFLOPs	Top-1准确率/%
ResNet-18^［13］	CNN	12.0	1.8	70.6	SLaK-S^［17］	CNN	55.0	9.8	83.8
CycleMLP-B1^［22］	MLP	15.0	2.1	78.9	CycleMLP-B4^［22］	MLP	52.0	10.1	83.0
PVTv2-B1^［18］	ViT	13.1	2.1	78.7	Swin-S^［7］	ViT	50.0	8.7	83.0
ViG-T^［9］	GNN	10.7	1.7	78.2	PVTv2-B4^［18］	ViT	62.6	10.1	83.6
ViHGNN-T^［10］	GNN	12.3	2.3	78.9	DAT-S^［19］	ViT	50.0	9.0	83.7
MSViG-T	GNN	11.7	1.8	80.3	QFormer-S^［46］	ViT	51.0	8.9	84.0
ResNet-50^［13］	CNN	25.6	4.1	79.8	ViG-M^［9］	GNN	51.7	8.9	83.1
ConvNeXt-T^［16］	CNN	28.6	4.5	82.1	ViHGNN-M^［10］	GNN	52.4	10.7	83.4
InceptionNeXt-T^［45］	CNN	28.0	4.2	82.3	MSViG-M	GNN	49.5	8.4	84.0
SLaK-T^［17］	CNN	30.0	5.0	82.5	ConvNeXt-B^［16］	CNN	89.0	15.4	83.8
CycleMLP-B2^［22］	MLP	27.0	3.9	81.6	SLaK-B^［17］	CNN	95.0	17.1	84.0
Swin-T^［7］	ViT	29.0	4.5	81.3	InceptionNeXt-B^［45］	CNN	87.0	14.9	84.0
PVTv2-B2^［18］	ViT	25.4	4.0	82.0	CycleMLP-B5^［22］	MLP	76.0	12.3	83.2
DAT-T^［19］	ViT	29.0	4.6	82.0	Swin-B^［7］	ViT	88.0	15.5	83.5
QFormer-T^［46］	ViT	29.0	4.6	82.5	PVTv2-B5^［18］	ViT	82.0	11.8	83.8
ViG-S^［9］	GNN	27.3	4.6	82.1	DAT-B^［19］	ViT	88.0	15.8	84.0
ViHGNN-S^［10］	GNN	28.5	6.3	82.5	QFormer-B^［46］	ViT	90.0	15.7	84.1
MSViG-S	GNN	26.1	4.4	83.1	ViG-B^［9］	GNN	92.6	16.8	83.7
ResNet-152 ^［13］	CNN	60.2	11.5	81.8	ViHGNN-B^［10］	GNN	94.4	18.1	83.9
ConvNeXt-S^［16］	CNN	50.0	8.7	83.1	MSViG-B	GNN	82.7	16.2	84.3
InceptionNeXt-S^［45］	CNN	49.0	8.4	83.5

表4 目标检测和实例分割的结果

Tab. 4 Results of object detection and instance segmentation

解码器及训练时长	骨干网络	参数量/10⁶	浮点运算量/GFLOPs	平均精度/%
解码器及训练时长	骨干网络	参数量/10⁶	浮点运算量/GFLOPs	$A P b$	$A P 50 b$	$A P 75 b$	$A P S$	$A P M$	$A P L$
RetinaNet 1×	ResNet-50	38	239	36.3	55.3	38.6	19.3	40.0	48.8
	PVT-Small	34	227	40.4	61.3	44.2	25.0	42.9	55.7
	Swin-T	39	245	41.5	62.1	44.2	25.1	44.9	55.5
	ViG-S	36	240	41.8	63.1	44.7	28.5	45.4	53.4
	ViHGNN-S	38	244	42.2	63.8	45.1	29.3	45.9	55.7
	MSViG-S	33	243	42.9	64.3	45.9	28.6	47.7	55.9
Mask R-CNN 1×	ResNet-50	44	260	38.0	58.6	41.4	34.4	55.1	36.7
	PVT-Small	44	245	40.4	62.9	43.8	37.8	60.1	40.3
	Swin-T	48	264	42.2	64.6	46.2	39.1	61.6	42.0
	ViG-S	46	259	42.6	65.2	46.0	39.4	62.4	41.6
	ViHGNN-S	48	262	43.1	66.0	46.5	39.6	63.0	42.3
	MSViG-S	45	261	44.3	66.4	48.7	39.8	63.4	42.7

表4 目标检测和实例分割的结果

Tab. 4 Results of object detection and instance segmentation

解码器及训练时长	骨干网络	参数量/10⁶	浮点运算量/GFLOPs	平均精度/%
解码器及训练时长	骨干网络	参数量/10⁶	浮点运算量/GFLOPs	$A P b$	$A P 50 b$	$A P 75 b$	$A P S$	$A P M$	$A P L$
RetinaNet 1×	ResNet-50	38	239	36.3	55.3	38.6	19.3	40.0	48.8
	PVT-Small	34	227	40.4	61.3	44.2	25.0	42.9	55.7
	Swin-T	39	245	41.5	62.1	44.2	25.1	44.9	55.5
	ViG-S	36	240	41.8	63.1	44.7	28.5	45.4	53.4
	ViHGNN-S	38	244	42.2	63.8	45.1	29.3	45.9	55.7
	MSViG-S	33	243	42.9	64.3	45.9	28.6	47.7	55.9
Mask R-CNN 1×	ResNet-50	44	260	38.0	58.6	41.4	34.4	55.1	36.7
	PVT-Small	44	245	40.4	62.9	43.8	37.8	60.1	40.3
	Swin-T	48	264	42.2	64.6	46.2	39.1	61.6	42.0
	ViG-S	46	259	42.6	65.2	46.0	39.4	62.4	41.6
	ViHGNN-S	48	262	43.1	66.0	46.5	39.6	63.0	42.3
	MSViG-S	45	261	44.3	66.4	48.7	39.8	63.4	42.7

表5 语义分割结果

Tab. 5 Results of semantic segmentation

方法	参数量/10⁶	浮点运算量/GFLOPs	mIoU/%
ResNet-50	29	183	36.7
PVT-S	28	225	42.0
DAT-T	32	198	42.6
Swin-T	32	182	41.5
MSViG-S	30	176	43.8

表6 消融实验结果

Tab. 6 Results of ablation experiments

方法	参数量/10⁶	运算量/GFLOPs	Top-1准确率/%
KNN图	11.7	1.9	78.6
MSSG	11.7	1.6	79.8
MSSG+GLMIF	11.7	1.8	80.3

图3 Grad-CAM的可视化图

Fig. 3 Grad-CAM visualization maps

参考文献 52

[1]	LECUN Y， BOTTOU L， BENGIO Y， et al. Gradient-based learning applied to document recognition ［J］. Proceedings of the IEEE， 1998， 86（11）： 2278-2324.
[2]	KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks ［J］. Communications of the ACM， 2017， 60（6）： 84-90.
[3]	RUSSAKOVSKY O， DENG J， SU H， et al. ImageNet large scale visual recognition challenge ［J］. International Journal of Computer Vision， 2015， 115（3）： 211-252.
[4]	VASWANI A， SHAZEER N， PARMAR N， et al. Attention is all you need ［C］// Proceedings of the 31st International Conference on Neural Information Processing Systems. Red Hook： Curran Associates Inc.， 2017： 6000-6010.
[5]	DOSOVITSKIY A， BEYER L， KOLESNIKOV A， et al. An image is worth 16x16 words： transformers for image recognition at scale ［EB/OL］. ［2024-05-11］. .
[6]	TOUVRON H， CORD M， DOUZE M， et al. Training data-efficient image transformers & distillation through attention ［C］// Proceedings of the 38th International Conference on Machine Learning. New York： JMLR.org， 2021： 10347-10357.
[7]	LIU Z， LIN Y， CAO Y， et al. ［C］// Proceedings of the 2021 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2021： 9992-10002.
[8]	WANG W， XIE E， LI X， et al. Pyramid vision Transformer： a versatile backbone for dense prediction without convolutions ［C］// Proceedings of the 2021 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2021： 548-558.
[9]	HAN K， WANG Y， GUO J， et al. Vision GNN： an image is worth graph of nodes ［C］// Proceedings of the 36th International Conference on Neural Information Processing Systems. Red Hook： Curran Associates Inc.， 2022： 8291-8303.
[10]	HAN Y， WANG P， KUNDU S， et al. Vision HGNN： an image is more than a graph of nodes ［C］// Proceedings of the 2023 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2023： 19821-19831.
[11]	SIMONYAN K， ZISSERMAN A. Very deep convolutional networks for large-scale image recognition ［EB/OL］. ［2024-05-11］. .
[12]	SZEGEDY C， LIU W， JIA Y， et al. Going deeper with convolutions ［C］// Proceedings of the 18th IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2015： 1-9.
[13]	HE K， ZHANG X， REN S， et al. Deep residual learning for image recognition ［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2016： 770-778.
[14]	DAI J， QI H， XIONG Y， et al. Deformable convolutional networks ［C］// Proceedings of the 2017 IEEE International Conference on Computer Vision. Piscataway： IEEE， 2017： 764-773.
[15]	HUANG G， LIU Z， VAN DER MAATEN L， et al. Densely connected convolutional network ［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2017： 2261-2269.
[16]	LIU Z， MAO H， WU C Y， et al. A ConvNet for the 2020s ［C］// Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2022： 11966-11976.
[17]	LIU S， CHEN T， CHEN X， et al. More convNets in the 2020s： scaling up kernels beyond 51×51 using sparsity ［EB/OL］. ［2024-05-11］. .
[18]	WANG W， XIE E， LI X， et al. PVT v2： improved baselines with pyramid vision Transformer ［J］. Computational Visual Media， 2022， 8（3）： 415-424.
[19]	XIA Z， PAN X， SONG S， et al. Vision Transformer with deformable attention ［C］// Proceedings of the 2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2022： 4784-4793.
[20]	TOLSTIKHIN I， HOULSBY N， KOLESNIKOV A， et al. MLP-Mixer： an all-MLP architecture for vision ［C］// Proceedings of the 35th International Conference on Neural Information Processing Systems. Red Hook： Curran Associates Inc.， 2021： 24261-24272.
[21]	TOUVRON H， BOJANOWSKI P， CARON M， et al. ResMLP： feedforward networks for image classification with data-efficient training ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2023， 45（4）： 5314-5321.
[22]	CHEN S， XIE E， GE C， et al. CycleMLP： a MLP-like architecture for dense prediction ［EB/OL］. ［2024-05-11］. .
[23]	GORI M， MONFARDINI G， SCARSELLI F. A new model for learning in Graph domains ［C］// Proceedings of the 2005 IEEE International Joint Conference on Neural Networks — Volume 2. Piscataway： IEEE， 2005： 729-734.
[24]	SCARSELLI F， GORI M， CHUNG TSOI AH， et al. The graph neural network model ［J］. IEEE Transactions on Neural Networks， 2009： 61-80.
[25]	吴博，梁循，张树森，等.图神经网络前沿进展与应用［J］.计算机学报，2022， 45（1）： 35-68.
	WU B， LIANG X， ZHANG S S， et al. Advances and applications of graph neural networks ［J］. Chinese Journal of Computers， 2022， 45（1）： 35-68.
[26]	徐冰冰，岑科廷，黄俊杰，等.图卷积神经网络综述［J］.计算机学报，2020， 43（5）： 755-780.
	XU B B， CEN K T， HUANG J J， et al. A survey of graph convolutional neural network ［J］. Chinese Journal of Computers， 2020， 43（5）： 755-780.
[27]	郭嘉琰，李荣华，张岩，等.基于图神经网络的动态网络异常检测算法［J］.软件学报，2020， 31（3）： 748-762.
	GUO J Y， LI R H， ZHANG Y， et al. Graph neural network based anomaly detection in dynamic networks ［J］. Journal of Software， 2020， 31（3）： 748-762.
[28]	呼延康，樊鑫，余乐天，等.图神经网络回归的人脸超分辨率重建［J］.软件学报，2018， 29（4）： 914-925.
	HUYAN K， FAN X， YU L T， et al. Graph based neural network regression strategy for facial image super-resolution ［J］. Journal of Software， 2018， 29（4）： 914-925.
[29]	潘润超，虞启山，熊泓霏，等.基于深度图神经网络的协同推荐算法［J］.计算机应用，2023， 43（9）： 2741-2746.
	PAN R C， YU Q S， XIONG H F， et al. Collaborative recommendation algorithm based on deep graph neural network ［J］. Journal of Computer Applications， 2023， 43（9）： 2741-2746.
[30]	刘欢，李晓戈，胡立坤，等.基于知识图谱驱动的图神经网络推荐模型［J］.计算机应用，2021， 41（7）： 1865-1870.
	LIU H， LI X G， HU L K， et al. Knowledge graph driven recommendation model of graph neural network ［J］. Journal of Computer Applications， 2021， 41（7）： 1865-1870.
[31]	CHEN Z M， WEI X S， WANG P， et al. Multi-label image recognition with graph convolutional networks ［C］// Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2019： 5172-5181.
[32]	ZHAO G， GE W， YU Y. GraphFPN： graph feature pyramid network for object detection ［C］// Proceedings of the 2021 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2021： 2743-2752.
[33]	ZHANG L， LI X， ARNAB A， et al. Dual graph convolutional network for semantic segmentation ［C］// Proceedings of the 2019 British Machine Vision Conference. Durham： BMVA Press， 2019： No.254.
[34]	LI G， MÜLLER M， THABET A， et al. DeepGCNs： can GCNs go as deep as CNNs? ［C］// Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2019： 9266-9275.
[35]	HENDRYCKS D， GIMPEL K. Gaussian Error Linear Units（GELUs）［EB/OL］. ［2024-05-11］. .
[36]	PASZKE A， GROSS S， MASSA F， et al. PyTorch： an imperative style， high-performance deep learning library ［C］// Proceedings of the 31st International Conference on Neural Information Processing Systems. Red Hook： Curran Associates Inc.， 2019： 8026-8037.
[37]	LOSHCHILOV I， HUTTER F. Decoupled weight decay regularization ［EB/OL］. ［2024-05-11］. .
[38]	CUBUK E D， ZOPH B， SHLENS J， et al. Randaugment： practical automated data augmentation with a reduced search space ［C］// Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. Piscataway： IEEE， 2020： 3008-3017.
[39]	HOFFER E， BEN-NUN T， HUBARA I， et al. Augment your batch： improving generalization through instance repetition ［C］// Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2020： 8126-8135.
[40]	ZHANG H， CISSE M， DAUPHIN Y N， et al. mixup： beyond empirical risk minimization ［EB/OL］. ［2024-05-11］. .
[41]	YUN S， HAN D， CHUN S， et al. CutMix： regularization strategy to train strong classifiers with localizable features ［C］// Proceedings of the 2019 IEEE/CVF International Conference on Computer Vision. Piscataway： IEEE， 2019： 6022-6031.
[42]	ZHONG Z， ZHENG L， KANG G， et al. Random erasing data augmentation ［C］// Proceedings of the 34th AAAI Conference on Artificial Intelligence. Palo Alto： AAAI Press， 2020： 13001-13008.
[43]	SZEGEDY C， VANHOUCKE V， IOFFE S， et al. Rethinking the inception architecture for computer vision ［C］// Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2016： 2818-2826.
[44]	HUANG G， SUN Y， LIU Z， et al. Deep networks with stochastic depth ［C］// Proceedings of the 2016 European Conference on Computer Vision， LNCS 9908. Cham： Springer， 2016： 646-661.
[45]	YU W， ZHOU P， YAN S， et al. InceptionNeXT： when inception meets ConvNeXT ［C］// Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2024： 5672-5683.
[46]	ZHANG Q， ZHANG J， XU Y， et al. Vision Transformer with quadrangle attention ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2024， 46（5）： 3608-3624.
[47]	LIN T Y， MAIRE M， BELONGIE S， et al. Microsoft COCO： common objects in context ［C］// Proceedings of the 2014 European Conference on Computer Vision European Conference， LNCS 8693. Cham： Springer， 2014： 740-755.
[48]	LIN T Y， GOYAL P， GIRSHICK R， et al. Focal loss for dense object detection ［C］// Proceedings of the 2017 IEEE International Conference on Computer Vision. Piscataway： IEEE， 2017： 2999-3007.
[49]	HE K， GKIOXARI G， DOLLÁR P， et al. Mask R-CNN ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2020， 42（2）： 386-397.
[50]	ZHOU B， ZHAO H， PUIG X， et al. Scene parsing through ADE20K dataset ［C］// Proceedings of the 2017 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2017： 5122-5130.
[51]	KIRILLOV A， GIRSHICK R， HE K， et al. Panoptic feature pyramid networks ［C］// Proceedings of the 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2019： 6392-6401.
[52]	SELVARAJU R R， COGSWELL M， DAS A， et al. Grad-CAM： visual explanations from deep networks via gradient-based localization ［J］. International Journal of Computer Vision， 2020， 128（2）： 336-359.

多尺度稀疏图引导的视觉图神经网络

Multi-scale sparse graph guided vision graph neural networks

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 52

相关文章 15

编辑推荐

Metrics

[1]	陈亮, 王璇, 雷坤. 复杂场景下跨层多尺度特征融合的安全帽佩戴检测算法[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2333-2341.
[2]	于平平, 闫玉婷, 唐心亮, 苏鹤, 王建超. 输电线路场景下的施工机械多目标跟踪算法[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2351-2360.
[3]	陈丹阳, 张长伦. 多尺度去相关的图卷积网络模型[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2180-2187.
[4]	张悦岚, 苏静, 赵航宇, 杨白利. 基于知识感知与交互的多视图蒸馏推荐算法[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2211-2220.
[5]	范博淦, 王淑青, 陈开元. 基于改进YOLOv8的航拍无人机小目标检测模型[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2342-2350.
[6]	张英俊, 闫薇薇, 谢斌红, 张睿, 陆望东. 梯度区分与特征范数驱动的开放世界目标检测[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2203-2210.
[7]	蒋沛宇, 王永光, 任亚亭, 李硕晨, 谭火彬. 基于测量不确定度表示指南的红外目标检测不确定度测量方案[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2162-2168.
[8]	齐巧玲, 王啸啸, 张茜茜, 汪鹏, 董永峰. 基于元学习的标签噪声自适应学习算法[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2113-2122.
[9]	梁辰, 王奕森, 魏强, 杜江. 基于Tsransformer-GCN的源代码漏洞检测方法[J]. 《计算机应用》唯一官方网站, 2025, 45(7): 2296-2303.
[10]	王向, 崔倩倩, 张晓明, 王建超, 王震洲, 宋佳霖. 改进ConvNeXt的无线胶囊内镜图像分类模型[J]. 《计算机应用》唯一官方网站, 2025, 45(6): 2016-2024.
[11]	姜超英, 李倩, 刘宁, 刘磊, 崔立真. 基于图对比学习的再入院预测模型[J]. 《计算机应用》唯一官方网站, 2025, 45(6): 1784-1792.
[12]	牛四杰, 刘昱良. 基于知识蒸馏双分支结构的视网膜病变辅助诊断方法[J]. 《计算机应用》唯一官方网站, 2025, 45(5): 1410-1414.
[13]	严一钦, 罗川, 李天瑞, 陈红梅. 基于关系网络和Vision Transformer的跨域小样本分类模型[J]. 《计算机应用》唯一官方网站, 2025, 45(4): 1095-1103.
[14]	侯阳, 张琼, 赵紫煊, 朱正宇, 张晓博. 基于YOLOv5s的复杂场景下高效烟火检测算法YOLOv5s-MRD[J]. 《计算机应用》唯一官方网站, 2025, 45(4): 1317-1324.
[15]	游兰, 张雨昂, 刘源, 陈智军, 王伟, 曾星, 何张玮. 基于协作贡献网络的开源项目开发者推荐[J]. 《计算机应用》唯一官方网站, 2025, 45(4): 1213-1222.