不同结构图的监督学习模型

Question

考虑着色问题。

我有一组训练集的无序图（图像），它们具有不同数量的顶点和边（颜色区域和它们之间的相邻，相应）。

固定数量的要素与每个顶点（颜色，区域等）和每个边缘（公共边界的长度，颜色对比度等）相关联。

对于输入图形（要着色的图像），训练模型应该为输入图形的每个顶点（颜色区域）指定颜色。

经典回归算法（svm，决策树等）将固定大小的向量作为输入并返回固定大小的向量。

是否有一个自然处理不同数量的顶点/边的模型？

是否有方法来修改固定结构模型（MRF，因子图等）来处理这种特殊情况？

Answer 1

这些论文中提出了基于图形的模型：

• Gated Graph Sequence Neural Networks
• Deep Convolutional Networks on Graph-Structured Data
• The Graph Neural Network Model
• DeepWalk: Deep Learning for Graphs
• Structural-RNN: Deep Learning on Spatio-Temporal Graphs