-
题名面向交通场景的强鲁棒性场景图生成网络
- 1
-
-
作者
周玮
闵卫东
-
机构
南昌大学数学与计算机学院
-
出处
《计算机工程》
2025年第9期231-241,共11页
-
基金
国家自然科学基金(62076117)
江西省智慧城市重点实验室(20192BCD40002)。
-
文摘
交通场景图是对交通场景进行结构化表示,在智能交通领域中发挥着重要作用。当前场景图生成方法通过预测实体对之间的关系以生成无偏场景图。然而,由于数据集的长尾分布与实体关系的模糊特征表示,因此现有方法生成的交通场景图无法为下游任务提供准确且具有丰富含义的交通场景信息。为了解决上述问题,提出1个上下文语义嵌入(CSE)和粗细粒度混合(CFGB)的交通场景图生成网络CSE-CFGB。使用CSE模块建立实体与谓词的独特语义表示,使用CFGB网络对实体间关系谓词进行强鲁棒性预测,主干分支(MB)使用CSE表示对实体之间的关系进行直接预测,粗粒度分支(CB)使用重加权机制负责学习头部谓词的鲁棒特征,而细粒度分支(FB)使用Logit调整方法负责细化对尾部谓词的学习,再配备分支权重表,使2个辅助分支能很好地合作以帮助MB平衡头部和尾部谓词的预测结果。在Visual Genome数据集上的实验结果表明,所提的场景图生成网络在PredCls任务中取得了平均性能指标Mean@50和Mean@100分别为49.5%和51.7%,能有效解决模型训练中实体关系表示模糊和数据集长尾分布的问题。
-
关键词
场景图生成
长尾分布
特征表示
上下文语义嵌入
粗细粒度混合
-
Keywords
scene graph generation
long-tail distribution
feature representation
Contextual Semantic Embedding(CSE)
Coarse-Fine-Grained Blending(CFGB)
-
分类号
TP391
[自动化与计算机技术]
-
