K 就是滤波器的感受野,每一次滤波只会将中心顶点的 K 阶邻节点进行加权求和,权重为 \alpha_i 的线性组合。也说明了第二代的GCN是具有局部性的,每个节点的输出只考虑其 K 阶邻节点。 最后再让我们通过图直观来感受一下,以节点4为中心节点,下图分别为 K=1 和K=2 时节点4的聚合情况。 K=1 K=2 频域 ...
GCN中的感受野(receptive field)指的是,对于每个节点,参与其计算的一系列节点就是其感受野。比如上图,如果只有一层的话,A的感受野就是节点B,C,D;若为两层的GCN,那她的感受野就是全部节点。 一般图神经网络的层数不会太多,因为根据六度空间理论,如果有六层的话,理论上感受野就包含了全部的节点。因此如果层数过多...
感受野:节点的感受野是指一组节点,包括中心节点和其近邻节点,有些节点可能只有一个近邻,而有些节点却有数千个近邻 可扩展性:大部分图神经网络并不能很好地扩展到大型图上。 动态性和异质性:大多数当前的图神经网络都处理静态同质图。一方面,假设图架构是固定的。另一方面,假设图的节点和边来自同一个来源。GCN...
加深网络:研究表明随着网络层数增加,模型性能急剧下降。 感受野:节点的感受野是指一组节点,包括中心节点和其近邻节点,有些节点可能只有一个近邻,而有些节点却有数千个近邻。 可扩展性:大部分图神经网络并不能很好地扩展到大型图上。 动态性和异质性:大多数当前的图神经网络都处理静态同质图。一方面,假设图架构是固...
1.定义了更加复杂的卷积策略,不再是简单的邻域特征融合,而是扩大了邻域的概念,从而提高了节点的感受野。 2.采用了分图策略,有助于挖掘局部范围内的关节联系。通常这种策略我们称为part-based或part-aware。 3.定义了范围更广的时空卷积操作,代价是计算量更大了。
在CNN中,卷积层负责捕捉图像中局部区域的像素信息,这个过程称之为“感受野”(Receptive Field),通过它,我们可以提取出图像的简化和低维特征。 GCN层的工作原理与之类似,不过不是处理像素,而是处理图中的节点信息。它通过收集每个节点及其相邻节点的信息,来构建节点的表示,从而捕捉图中的结构特征。
而在空洞卷积中,避免了使用池化操作的同时增大了感受野,不需要图像分辨率的...Dilated Convolutions,中文一般称为空洞卷积或者扩张卷积,是一种改进的图像卷积方法。 扩张卷积工作示意图如下:图a是普通的卷积,感受野是3*3,相当于不扩充,dilation=1 Deep Saliency:Multi_Task Deep Neural Network Model for Salient ...
多尺度:CNN往往包含下采样,可以减少参数,并获得更大的感受野(receptive field)。 文章中,作者提出了两种方式构建图卷积神经网络:空域构建(Spatial Construction)和频域构建(Spectral Construction)。 二、空域构建(Spatial Construction) 空域构建主要考虑(2)(...
ChebNet 虽然比 GCN 复杂度更高,但它的表征能力更强。但我们可以通过堆叠多个 GCN 来扩大图卷积的感受野,所以灵活性比 ChebNet 更高。重要的是复杂度更低的 GCN 会更容易训练,速度快且效果好,实用性强。所以它成为了被提到最多的典型方法。 GCN 在半监督分类任务上的效果表现...
3)、感受野正比于卷积层层数,第一层的节点只包含与直接相邻节点有关的信息,第二层以后,每个节点还包含相邻节点的相邻节点的信息,这样的话,参与运算的信息就会变多。层数越多,感受野越大,参与运算的信息量越充分。也就是说随着卷积层的增加,从远处邻居的信息也会逐渐聚集过来。