この論文では、画像分類にグラフ合成積ニューラルネットワーク（GCN）とボロノイ図を統合する新しい方法を紹介します。従来の合成積ニューラルネットワーク（CNN）とは異なり、画像をピクセルまたは領域を頂点とするグラフで表現し、対応するデローネ三角分割を利用してグラフを改善します。この方法は、さまざまなベンチマークデータセットの前処理効率と分類精度を大幅に向上させ、特に複雑なシーンと細かいカテゴリを含む困難なシナリオで最先端のアプローチを上回ります。クロス検証によって検証された実験結果は、画像分類の発展に対するGCNとボロノイダイアグラムの組み合わせの効果を強調しています。この研究は、画像分類の新しい視点を提示するだけでなく、コンピュータビジョンと非定型データ分析におけるグラフベースの学習パラダイムの潜在的なアプリケーションを拡張します。
