这个十月一堆事，心情也比较烦闷，就一直没有动笔写blog，之前一直在做scene graph的生成，然后最近恰好看到graph-rcnn这篇很不错的文章，就解读做个记录
Framework
以往做scene graph generation，基本都是在faster rcnn基础上检测出图片的物体后，两两配对识别他们的关系，这样做是很有效但是很低效，毕竟并不是所有物体都有关系的，这样做太耗时间了。本文的框架分为3个步骤
- object node extraction 利用faster rcnn进行物体检测
- relationship edge pruning 利用RePN去除掉不太可能出现的关系对
- graph context integration 利用Attentional GCNS对相关节点和边进行context集成
RePN(Relation Proposal Network)
经过faster rcnn后我们得到n个物体，照以往的做法这时候需要预测n*(n-1)个relation，但是并不是所有的物体两两之间都有关系的，比如人和马的关系是骑，而大象和马的关系就很有可能不存在了。这个时候我们需要对这些不太可能存在联系的关系对进行过滤。简单的做法就是将每对物体的分类向量cat起来，然后接一个全连接层得到一个relateness，但是这样的效率太低了。
本文的做法是对主语宾语的分类向量进行映射，然后relateness矩阵就由矩阵乘法直接得到了。
得到关联度矩阵后，我们对Relation Proposal进行NMS操作，IoU的计算公式如下:其中(u,v)和(p,q)是两个关系对
Attentional GCN
由上一步RePN的过滤后，一个全连接的图变成了一个十分稀疏的图，这时图中有边相连的点才是真正的有关系，回想之前讲过的daijifeng老师的Relation Network for Object Detection，我们是不是可以对每个节点每个边进行context集成呢？
本文采用GCN(Graph Convolutional Network)集成context信息，而且在这个基础上加入了Attention。传统的GCN中alpha是预设好的，而本文的alpha是动态的
有了以上基本公式后，我们可以集成context信息到物体和关系中了
物体的context: 其他物体，它作为主语的relation，它作为宾语的relation
关系的context: 主语物体，宾语物体
A new metric called SGGen+
之前的指标SGGen中(仅考虑boy)，c把所有的关系都识别错了 SGGen=0, 而d只是把boy识别成了man(不是严重错误)，关系全对了 SGGen得分一样是0，所以本文作者感觉这个指标没有区分度，提出了一个新的指标SGGen+，如下C(O)是物体识别正确的个数，C§是谓词识别正确的个数，C(T)是Triple识别正确的个数，这样c和d的得分就不同了
Experiment
没有和neural motif进行比较，motif里面trick太多分数做的太高了。
