文献类型：期刊文章

作　　者：蒋玉英[1,2,3] 陈心雨[1,3,4] 李广明[1,3,4] 王飞[1,3,4] 葛宏义[1,3,4]

JIANG Yuying;CHEN Xinyu;LI Guangming;WANG Fei;GE Hongyi(Key Laboratory of Grain Information Processing and Control,Henan University of Technology,Ministry of Education,Zhengzhou 450001,China;School of Artificial Intelligence and Big Data,Henan University of Technology,Zhengzhou 450001,China;Henan Provincial Key Laboratory of Grain Photoelectric Detection and Control,Zhengzhou 450001,China;School of Information Science and Engineering,Henan University of Technology,Zhengzhou 450001,China)

机构地区：[1]河南工业大学粮食信息处理与控制教育部重点实验室,郑州450001 [2]河南工业大学人工智能与大数据学院,郑州450001 [3]河南省粮食光电检测与控制重点实验室,郑州450001 [4]河南工业大学信息科学与工程学院,郑州450001

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61975053,61705061);河南省自然科学基金(222300420040,202300410111);河南省重大科技项目(211110110500)。

年　　份：2023

卷　　号：59

期　　号：7

起止页码：15-30

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：图神经网络(graph neural network,GNN)是一种基于深度学习的图结构数据处理模型,因良好的可解释性和对图结构数据强大的非线性拟合能力而受到研究者广泛关注。随着GNN的逐步优化,GNN与图像处理技术实现融合发展,在图像分类、人体解析和视觉问答等方面取得重大突破。对图像处理技术和传统神经网络理论进行介绍,并对五类GNN的原理、特点和不足进行分析与总结;同时从数据集和性能评估指标两个角度对文中所述的常用模型进行对比与总结,并补充介绍了九种常见的图像处理领域公共数据集;最后深入分析了GNN在图像处理领域中有待改进的方面,并对其应用前景进行展望。

关 键 词：图神经网络(GNN)  深度学习  图结构 图像处理

分 类 号：TP391.4]