hrn's Introduction

HRN

Implementation for Label Relation Graphs Enhanced Hierarchical Residual Network for Hierarchical Multi-Granularity Classification

Paper

This repo is a implementation for paper Label Relation Graphs Enhanced Hierarchical Residual Network for Hierarchical Multi-Granularity Classification that has been accepted by CVPR2022.

Network Architecture

Visual Demonstration

HMC-LMLP

HMCN

C-HMCNN

Chang et al.

Ours

Requirements

Python 3.6+
Pytorch 1.2+
Torchvision 0.4+
networkx 2.5
CUDA 10.2

Supporting Files for Datasets

Code

Contributors

Stargazers

Watchers

hrn's Issues

关于树的标签定义问题想请教您

self.trees = [ [1,12,35], [2,12,35], [3,12,35], [4,6,9], [5,4,4], [6,4,4], [7,4,4], [8,4,4], [9,8,18], [10,8,18], [11,8,18], [12,8,18], [13,8,18], [14,8,13], [15,8,13], [16,8,13],

这段代码中的标签是如何定义构建的，每个列表中的三个标签分别代表什么意思，他们之间有什么关系吗，想请教您一下，盼解答。

关于联合概率有个疑问想请教您一下

    index = torch.mm(self.stateSpace, fs.T)
    joint = torch.exp(index)

代码中联合概率分布是由网络输出和状态空间矩阵相乘，网络输出在0，1之间，举个例子，状态A为（动物1，猫1），状态2为（动物1，猫0），那么状态A的联合概率为exp(fs动物+fs猫)，状态B的联合概率为exp(fs动物)，fs>0，因此状态A的联合概率始终都是大于状态B的。也就说该图是猫的概率始终大于该图是未知类别动物的概率，但实际上应该没有这种先验知识的。
不知道我这么理解对不对，想请教您一下，盼答

Recommend Projects

monsterzhzh / hrn Goto Github PK