《表9 不同模型在少样本数据集Omniglot和Mini-Imagenet的结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《图卷积神经网络综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（单位：%）

Garcia等人[74]定义一个全连接的图，其中节点是图片，连边是图片和图片之间的相似度，他们使用图神经网络对节点进行编码，使用神经消息传播模型能够更好地利用图片之间的关联结构信息，其在少样本、半监督和主动学习等任务上取得了较好的实验结果，其结果见表9.Marino等人[75]将知识图谱引入到图片分类任务中，其使用图卷积神经网络更好地利用在知识图谱中的先验知识．在COCO数据集的多标签分类任务上取得了提升．Lee等人[76]同样将知识图谱引入到零样本学习任务中，在多标签分类任务中取得了提升．Kampffmeyer等人[78]在使用知识图谱时，定义先祖和后继传播两种方式，能够更好地利用图谱中的语义信息．