使用Graph Neural Network进行图像分类的相关参考文献咨询

核心奠基类文献 #

• Spectral Networks and Deep Locally Connected Networks on Graphs (2014)：最早论证图卷积适配图像分类可行性的开山工作，给出了欧式图像数据转图结构输入的基础理论框架
• Semi-Supervised Classification with Graph Convolutional Networks (2017)：GCN 官方原始论文，附录章节专门提供了2D图像转图结构、适配GCN分类任务的完整实现逻辑，可直接解决你目前搜到的资料多为CSV场景的适配问题
• Graph Attention Networks (2018)：GAT 原始论文，包含图像分类任务的完整对比实验，注意力机制的引入可以大幅降低图卷积处理高分辨率图像的算力开销

图像专用GNN架构类文献 #

• Vision GNN: An Image is Worth Graph of Nodes (2022)：谷歌开源的ViG架构相关论文，完全基于GNN实现端到端图像分类，在ImageNet数据集上的精度与同期CNN、Transformer架构持平，是目前工业界落地GNN图像分类方案的首选参考
• Dynamic Graph Neural Networks for Few-Shot Image Classification (2021)：小样本图像分类场景的专用GNN优化方案，针对小数据集下GNN过拟合的问题给出了成熟的调优思路
• Graph Neural Networks for Image Understanding: A Survey (2023)：最新综述文献，系统梳理了2014-2023年GNN在图像分类任务上的所有实现路径、性能对比和工程落地坑点，覆盖从输入构图到模型部署的全流程

场景适配注意要点 #

目前网络上GCN相关资料多针对CSV表格数据，和图像分类场景的核心差异仅在输入侧的构图逻辑：CSV场景直接将表格行/列作为节点构建邻接矩阵，图像场景可选择将单个像素作为节点，或先将图像切分为固定大小的patch（比如16x16）作为节点，再基于空间位置关联构建邻接矩阵，后续即可直接复用现有GCN的训练逻辑

内容的提问来源于stack exchange，提问作者Rifaldy Tajrial