Grafové neuronové sítě pro klasifikaci obrazu: empirické porovnání s konvolučními sítěmi

Klasifikace obrazu patří mezi základní úlohy v odvětví počítačového vidění. Jedním z nejčastějších způsobů řešení této úlohy je využití konvolučních neuronových sítí (CNN), které jsou navrženy pro data strukturovatelná do mřížky. Grafové neuronové sítě (GNN), navrženy pro grafová data, jsou považovány za generalizaci CNN a nabízejí alternativní přístup řešení této úlohy pomocí převodu obrázků na grafy. Cílem této práce je poskytnout přehled o grafových neuronových sítí se zaměřením na jejich využití pro úlohu klasifikace obrazu, vybrat vhodné datasety a architektury a porovnat CNN a GNN v této úloze. Obrázky jsou převedeny na superpixelové grafy pomocí algoritmu SLIC a metody Region Adjacency Graph (RAG) a vybrané modely GNN zahrnují GCN a GraphSAGE a dvě vlastní CNN architektury. Experimenty se zaměřují na čtyři aspekty: správnost, poměr mezi správností a výpočetními náklady, vliv počtu superpixelových segmentů, a klasifikaci na úrovni tříd. Výsledky ukazují, že CNN dosahují obecně vyšší správnosti, zatímco GNN dosahují porovnatelných hodnot pouze u jednodušších obrázků. Nicméně GNN jsou v některých případech v rámci poměru mezi správností a výpočetními náklady efektivnější. Počet superpixelových segmentů použitých při tvorbě grafu má určitý vliv na výkon modelů. Celkově práce poskytuje teoretický základ a empirické porovnání CNN a GNN na obrazových datech dle několika hodnotících kritérií.