गहरे संबंध नेटवर्क के साथ दृश्य संबंधों का पता लगाना

वस्तुओं के बीच संबंध छवि समझने में महत्वपूर्ण भूमिका निभाते हैं। व्यक्तिगत वस्तुओं को पहचानने में गहरे शिक्षण तकनीकों की बड़ी सफलता के बावजूद, वस्तुओं के बीच संबंधों के बारे में तर्क करना एक चुनौतीपूर्ण कार्य बना हुआ है। पिछले तरीके अक्सर इसे एक वर्गीकरण समस्या के रूप में लेते हैं, प्रत्येक प्रकार के संबंध (जैसे "सवारी") या प्रत्येक भिन्न दृश्य वाक्यांश (जैसे "व्यक्ति-गाड़ी-घोड़ा") को एक श्रेणी मानते हैं। ऐसे दृष्टिकोण हर प्रकार के संबंधों के लिए दृश्य रूप की उच्च विविधता या विभिन्न दृश्य वाक्यांकों की बड़ी संख्या के कारण महत्वपूर्ण कठिनाइयों का सामना करते हैं। हम इस समस्या से निपटने के लिए एक एकीकृत ढांचे का प्रस्ताव देते हैं। इस ढांचे के केंद्र में गहरा संबंध नेटवर्क है, जो वस्तुओं और उनके संबंधों के बीच सांख्यिकीय निर्भरताओं का लाभ उठाने के लिए विशेष रूप से डिज़ाइन की गई एक नई रूपरेखा है। दो बड़े डेटा सेटों पर, प्रस्तावित विधि आज की उच्चतम तकनीकों की तुलना में काफी सुधार करती है।