外文翻譯---場(chǎng)景分析中的神經(jīng)網(wǎng)絡(luò)視覺計(jì)劃表示（中文）

1、<p><b>　　中文5600字</b></p><p>　　出處：Neural Networks, 1993., IEEE International Conference on. IEEE, 1993: 1612-1617</p><p>　　場(chǎng)景分析中的神經(jīng)網(wǎng)絡(luò)視覺計(jì)劃表示</p><p>　　Representing Vis

2、ual Schemas in Neural Networks</p><p>　　for Scene Analysis</p><p>　　概要：在神經(jīng)網(wǎng)絡(luò)系統(tǒng)中把簡(jiǎn)單場(chǎng)景中的對(duì)象識(shí)別作為任務(wù)的研究集中在兩個(gè)主要的問題上：第一個(gè)問題是利用有限的資源處理大量的輸入；第二個(gè)問題是表示和利用結(jié)構(gòu)化的知識(shí)。第一個(gè)問題的出現(xiàn)是由于沒有一個(gè)實(shí)用的神經(jīng)網(wǎng)絡(luò)可以同時(shí)高效地處理所有的可視化輸入。解決這個(gè)問題

3、的辦法是并行地處理比較小的輸入，并且連續(xù)地處理輸入的其他部分。為了能夠描述和翻譯收集來的前后相繼的信息，這個(gè)策略需要系統(tǒng)維護(hù)一個(gè)結(jié)構(gòu)化的知識(shí)。</p><p>　　被提議的系統(tǒng)VISOR由兩個(gè)主要的模塊組成。低層可視化模塊(Low-Level Visual Module)從可視化輸入中提取特征和位置信息。計(jì)劃模塊(Schema Module)把可能的對(duì)象的可視化知識(shí)編碼，并且為低層可視化模塊提供自上而下的信息，以

4、便把注意力集中在場(chǎng)景中互不相同的部分。通過和低層可視化模塊的協(xié)力合作，計(jì)劃模塊建立了一個(gè)對(duì)于收集到的前后相繼的可視化信息的全局一致的翻譯。</p><p><b>　?、?介紹</b></p><p>　　考慮在簡(jiǎn)單場(chǎng)景中對(duì)象識(shí)別的任務(wù)。一個(gè)場(chǎng)景分析系統(tǒng)不得不識(shí)別場(chǎng)景中的對(duì)象(比如一張弓和兩棵樹)并且識(shí)別出場(chǎng)景所描繪的到底是什么。在設(shè)計(jì)一個(gè)執(zhí)行以上所描述的功能的神經(jīng)網(wǎng)

5、絡(luò)系統(tǒng)的過程中，我們遇到了兩個(gè)基本的問題：</p><p>　　1 怎樣能使得一個(gè)固定的，有限的神經(jīng)網(wǎng)絡(luò)能夠處理無限的信息？</p><p>　　2 怎樣能使得一個(gè)神經(jīng)網(wǎng)絡(luò)能夠表示和利用已有的結(jié)構(gòu)化知識(shí)？</p><p>　　實(shí)際上，在許多神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域我們都遇到了以上所描述的兩個(gè)問題，例如在語言理解和自然語言處理領(lǐng)域。這個(gè)研究的目的就是把場(chǎng)景分析作為一個(gè)具體的任

6、務(wù)，針對(duì)這些問題發(fā)展一些通用的方法。</p><p>　　我們現(xiàn)在來考慮第一個(gè)問題：有限的處理資源。在實(shí)踐中，我們只可能建立一個(gè)擁有固定數(shù)量的輸入單元和內(nèi)部處理單元的神經(jīng)網(wǎng)絡(luò)。權(quán)重和行為擁有有限的精確度并且被限制在某個(gè)范圍之內(nèi)。輸入單元的數(shù)量可能比場(chǎng)景的型號(hào)要小。盡管網(wǎng)絡(luò)可以一次捕捉一個(gè)場(chǎng)景的很大一部分，但是它不可能并行地處理所有的信息除非它有指數(shù)級(jí)的單元和線路。唯一可行的選擇是并行地處理視覺輸入的一個(gè)小部分，并

7、且相繼地處理這個(gè)場(chǎng)景的不同部分。這個(gè)場(chǎng)景同樣地應(yīng)用在生物視覺系統(tǒng)中。</p><p>　　因?yàn)榫W(wǎng)絡(luò)是固定的和有限的，它不可能為無限的輸入信息提供足夠的存儲(chǔ)空間。它應(yīng)該為目前已經(jīng)收集到的信息建立和維護(hù)一個(gè)局部的翻譯?；谝咽占降男畔?，它估計(jì)出輸入特征屬于某個(gè)已知對(duì)象的可能性。隨著更多的信息被接收，它加強(qiáng)或者削弱先前做出的估計(jì)。他不停地處理場(chǎng)景的其他部分直到收集夠足夠的信息來建立一個(gè)一致的翻譯。每個(gè)局部翻譯都和網(wǎng)絡(luò)

8、的一個(gè)穩(wěn)定的中間狀態(tài)相對(duì)應(yīng)。</p><p>　　采用這個(gè)策略的系統(tǒng)，為了能做出翻譯，都需要一個(gè)在心理研究上通常被稱作計(jì)劃的內(nèi)部模塊。因此第一個(gè)問題的解決方法需要讓神經(jīng)網(wǎng)絡(luò)編碼計(jì)劃，或者更普通的，我們叫做結(jié)構(gòu)化知識(shí)；也就是說，第一個(gè)問題的解決需要引用第二個(gè)問題。一個(gè)解決問題的辦法是在神經(jīng)網(wǎng)絡(luò)中象征性地表示這樣的知識(shí)。這個(gè)方法在可以很好地使用于簡(jiǎn)單場(chǎng)景，但是對(duì)于更為復(fù)雜的系統(tǒng)它沒有普遍的適應(yīng)性。神經(jīng)網(wǎng)絡(luò)并不擅長(zhǎng)于直

9、接處理符號(hào)。但是，他們對(duì)特征提取，聯(lián)想，限制性滿足，模式分類和其它的一些模糊決定很在行。這些任務(wù)通過神經(jīng)過程得到執(zhí)行，就象單元和網(wǎng)絡(luò)間的合作和競(jìng)爭(zhēng)。</p><p>　　VISOR(Visual Schemas for Object Representation)是被設(shè)計(jì)用來在對(duì)象識(shí)別和場(chǎng)景分析領(lǐng)域解決上文所述的兩個(gè)基本問題的。簡(jiǎn)化工作可是讓我們把精力放在核心問題上——計(jì)劃的學(xué)習(xí)和表示。在這個(gè)工程中要考慮的場(chǎng)景是

10、由對(duì)象組成的，而對(duì)象是由直線和一些簡(jiǎn)單的圖形（例如矩形和三角形）組成的。描述對(duì)象和場(chǎng)景的知識(shí)包括四個(gè)位置關(guān)系（左，右，上，下）和一個(gè)層級(jí)關(guān)系（屬于）。這樣的知識(shí)可以很方便地被編碼成地圖和單元之間的聯(lián)系。除去簡(jiǎn)化任務(wù)，這個(gè)研究的目的是得到可以適用于更復(fù)雜的場(chǎng)景和任務(wù)的通用的解決方法。</p><p><b>　?、颉∠嚓P(guān)工作</b></p><p>　?。襲melhar

11、t et al　提出了一個(gè)通用的方法，可以用PDP模式編碼概念上的計(jì)劃。計(jì)劃的單個(gè)組件，比如沙發(fā)，床，浴缸和洗手間被表示成一個(gè)網(wǎng)絡(luò)內(nèi)的不同單元。兩個(gè)單元之間聯(lián)系的權(quán)重表示這兩個(gè)組件在一個(gè)計(jì)劃內(nèi)出現(xiàn)的可能性，并且網(wǎng)絡(luò)的行為模式把一個(gè)計(jì)劃的實(shí)例編碼。這個(gè)網(wǎng)絡(luò)不編碼計(jì)劃間的層級(jí)關(guān)系。</p><p>　　Hinton　描述了三種表示層級(jí)知識(shí)的方法。其中第二中方法和VISOR中曾經(jīng)用過的一種方法很相似。網(wǎng)絡(luò)里的很多單元被

12、組織成不同的層。層級(jí)越高，該單元所表示的對(duì)象也就越復(fù)雜。表示對(duì)象組件的較低層次的單元被連接到表示對(duì)象本身的較高層次的單元。</p><p>　　Norman和Shallice的認(rèn)識(shí)模型偏重于對(duì)計(jì)劃的激活和控制。在這個(gè)模型，指定域的行為計(jì)劃和思考計(jì)劃可以被獨(dú)立地激活。將要被運(yùn)行的計(jì)劃的一個(gè)小的子集是由兩個(gè)被稱作爭(zhēng)論調(diào)度(Contention Scheduling)和監(jiān)督注意系統(tǒng)(Supervisory Attent

13、ional System)的不同的進(jìn)程選出的。爭(zhēng)論調(diào)度是一個(gè)指定域的進(jìn)程，類似于傳統(tǒng)人工智能系統(tǒng)中的沖突解決。它通過指定域的簡(jiǎn)單標(biāo)準(zhǔn)來選取計(jì)劃。監(jiān)督注意系統(tǒng)是一個(gè)在每個(gè)域上運(yùn)行計(jì)劃的通用規(guī)劃系統(tǒng)。它通過偏置爭(zhēng)論調(diào)度的操作來控制計(jì)劃的激活。VISOR中計(jì)劃的激活和控制類似于爭(zhēng)論調(diào)度進(jìn)程。</p><p>　?、蟆ISOR的成就</p><p>　　在低層VISOR是把“干什么”和“在哪里”

14、分開處理的（如圖1所示）。它由低層視覺模塊和計(jì)劃模塊組成。低層視覺模塊（圖1b）一次處理場(chǎng)景中的一個(gè)位置上的信息，提取出這個(gè)位置的特征信息（線，矩形或者三角形）。作為輸出，特征池（Feature Cells）表明了低層視覺模塊判斷出現(xiàn)某個(gè)確定特征的可能性（圖2）。相對(duì)關(guān)系圖（The Relative Position Maps）用不同的比例編碼這些特征的相對(duì)位置。舉個(gè)例子，假設(shè)部分場(chǎng)景包含一個(gè)弓和兩棵樹（圖1a）。同樣假設(shè)現(xiàn)在系統(tǒng)的注意

15、力集中在弓的三角形的底部。在精確模式，相對(duì)關(guān)系圖識(shí)別出三角形位于兩個(gè)矩形之上，并在圖的頂端給出一個(gè)蜂值回應(yīng)（圖1d）。在粗糙模式下，相對(duì)關(guān)系圖識(shí)別出組成弓的特征黑點(diǎn)位于組成兩棵樹的黑點(diǎn)的中間，并在圖的中間就給出一個(gè)峰值回應(yīng)（圖1e）。在比視網(wǎng)膜大的模式中，必須考慮眼球的位置。</p><p>　　計(jì)劃模塊（圖1a）維護(hù)計(jì)劃的層次，整合連續(xù)的輸入信息，決定下一個(gè)要處理的位置。它由兩個(gè)主要的神經(jīng)網(wǎng)絡(luò)組成：計(jì)劃層次網(wǎng)（

16、Schema Hierarchy Net）和變化選擇網(wǎng)（Shift Selection Net）。計(jì)劃層次網(wǎng)是計(jì)劃表示網(wǎng)的一個(gè)多層網(wǎng)絡(luò)，或者可以說是計(jì)劃網(wǎng)的簡(jiǎn)明模式（圖2）。一個(gè)計(jì)劃網(wǎng)由四個(gè)主要的部分組成：輸出單元，子計(jì)劃行為圖（Sub_schema Activity Map），當(dāng)前位置圖（the </p><p>　　Current Position Map)和可能位置圖（the Potential Posit

17、ion Maps）。在詳細(xì)地描述這些組件之前，我們先來看看在計(jì)劃層次網(wǎng)中計(jì)劃是怎么樣表示的。</p><p>　　計(jì)劃網(wǎng)中的每一層都對(duì)應(yīng)于計(jì)劃層次中的一個(gè)層。一個(gè)計(jì)劃網(wǎng)既可以作為一個(gè)高層計(jì)劃的子計(jì)劃也可以作為一個(gè)低層計(jì)劃的父計(jì)劃。第一層計(jì)劃的子計(jì)劃由特征池（the Feature Cells）組成。SHN的連通性編碼計(jì)劃之間的局部和整體的關(guān)系。舉個(gè)例子，我們考慮弓的表示。如圖2b所示，一張弓由三個(gè)部分組成：一個(gè)三

18、角形的頂，和兩個(gè)矩形的柱。弓上有層次感的格子在弓計(jì)劃網(wǎng)絡(luò)中表示子計(jì)劃行為圖（the Sub_schema Activity Map）。黑點(diǎn)表示圖中組件的位置。例如，三角形在弓的中上部。和每個(gè)黑點(diǎn)對(duì)應(yīng)的，在特征池和SAM單元之間有一條連線。連線表示在SAM單元的位置特征是弓計(jì)劃的一個(gè)組件。</p><p>　　SAM單元的行為表示子計(jì)劃出現(xiàn)在場(chǎng)景中的可能性。這些行為可能隨著從場(chǎng)景中提取出的信息不斷增多而改變。SAM

19、可以有效地編碼一個(gè)計(jì)劃當(dāng)前信息的摘要。</p><p>　　除了在SAM中被編碼的動(dòng)態(tài)信息外，保留計(jì)劃的靜態(tài)結(jié)構(gòu)信息是很有必要的，這樣系統(tǒng)可以決定下一步要集中處理什么。這樣的信息存儲(chǔ)在可能位置圖（Potential Position Map）。PPM單元中的一個(gè)高級(jí)動(dòng)作表明一個(gè)子計(jì)劃被期望發(fā)生于與之對(duì)應(yīng)的位置。</p><p>　　當(dāng)前處理的位置被存儲(chǔ)在當(dāng)前位置圖（the Current

20、Position Map）中，被圖中單個(gè)活躍單元的位置編碼。每個(gè)CPM單元都以乘法的關(guān)系連接到SAM單元的相應(yīng)位置上。如果一個(gè)CPM單元正在運(yùn)行，則相應(yīng)的SAM單元的行為是最新的。否則，SAM單元的行為則會(huì)保持不變。換句話說，只有配套當(dāng)前位置的子計(jì)劃的行為才可以向上傳播。</p><p>　　一個(gè)計(jì)劃與輸入匹配到底是必然還是偶然，是在計(jì)劃輸出單元的行為中被總結(jié)的。除了從計(jì)劃自己的SAM單元中自下而上的聯(lián)系外，輸出

21、單元接受從父計(jì)劃</p><p>　　的SAM單元中自上而下的聯(lián)系（圖2）。如果一個(gè)較高層的計(jì)劃以高偶然性匹配一個(gè)輸入對(duì)象，那么它的子計(jì)劃也和對(duì)象的組件匹配；因此建立自上而下的反饋。在計(jì)劃的輸出單元間仍然有一些互相禁止的聯(lián)系允許計(jì)劃在翻譯輸入是產(chǎn)生競(jìng)爭(zhēng)。</p><p>　　在場(chǎng)景中特定位置的信息被處理之后，VISOR將會(huì)把注意力集中到一個(gè)新的位置上。變換選擇網(wǎng)絡(luò)（The Shift Se

22、lecting Net）決定下一個(gè)位置（圖1c）。就像在下一節(jié)中我們要詳細(xì)描繪的那樣，它根據(jù)計(jì)劃的行為和計(jì)劃想要的變換向量來做出決定。</p><p>　　IV VISOR操作</p><p>　　在場(chǎng)景分析進(jìn)程開始的時(shí)候，所有的計(jì)劃都被重置到他們的開始狀態(tài)。也就是說，他們所有的CPM單元都是開啟的（沒有當(dāng)前注意位置），并且他們的SAM單元的行為是0（沒有發(fā)現(xiàn)任何東西）。在每次注意力調(diào)整之

23、后，計(jì)劃模塊處理從LLVM接收到的特征和位置信息，處理過程要經(jīng)過四個(gè)主要的階段：（1）在計(jì)劃內(nèi)設(shè)定當(dāng)前位置，（2）更新計(jì)劃的動(dòng)作，（3）選定計(jì)劃的下個(gè)處理位置，（4）選定一個(gè)位置做注意力轉(zhuǎn)換。讓我們大概瀏覽一下完整的處理過程。</p><p>　　設(shè)定當(dāng)前位置。當(dāng)LLVM把注意力已經(jīng)轉(zhuǎn)移到場(chǎng)景中選定的位置之后，計(jì)劃就更新自己的當(dāng)前位置信息。如果一個(gè)計(jì)劃不準(zhǔn)備做任何事情，也就是所，它的CPM單元都是關(guān)閉的，它的當(dāng)前

24、位置被選定為RPM的峰值位置（圖2）。如果CPM單元的其中一個(gè)是開啟的，則當(dāng)前位置在這個(gè)方向上變換，并且方向決定于被編碼的從SSN收到的變換向量的數(shù)量。如果變換的數(shù)量超過了CPM的存儲(chǔ)容量，則計(jì)劃將會(huì)被首先重置為初始狀態(tài)，并且它的當(dāng)前位置被設(shè)定為RPM的峰值位置。</p><p>　　計(jì)劃激活。在這個(gè)階段，其中一個(gè)CPM單元是活動(dòng)的，并且它的當(dāng)前位置就是計(jì)劃的當(dāng)前位置。SAM單元在相應(yīng)圖位置的行為也被更新。其他S

25、AM單元的行為依舊保持不變。計(jì)劃的輸出單元的行為也跟著計(jì)劃與輸入的匹配程度而改變。如果它匹配的很好，它的活性會(huì)因?yàn)镾AM活性的增加而增加；另外，它的活性也會(huì)因?yàn)橛?jì)劃間的相互抑制而減弱。一個(gè)計(jì)劃的行為會(huì)依次反饋給它的子計(jì)劃，并且推進(jìn)他們的行為。這個(gè)反饋信號(hào)符合自上而下的展望：如果一個(gè)計(jì)劃和一個(gè)對(duì)象匹配的很好，則它的子計(jì)劃也會(huì)匹配于對(duì)象的組件。行為的更新是異步的，在多個(gè)循環(huán)中逐漸地達(dá)到穩(wěn)定。</p><p>　　下個(gè)

26、可能位置的選定。在行為穩(wěn)定之后，每個(gè)計(jì)劃都會(huì)選定一個(gè)位置，他們期望這個(gè)位置會(huì)成為整個(gè)系統(tǒng)的注意焦點(diǎn)。計(jì)劃可以從它選定的位置上發(fā)現(xiàn)可以增加它的活性的特征。計(jì)劃的選擇基于以下的標(biāo)準(zhǔn)：</p><p>　　選擇一個(gè)子計(jì)劃期望的位置，也就是在PPM單元中具有高活性的位置。</p><p>　　選擇一個(gè)具有低SAM活性的位置。在實(shí)際的網(wǎng)絡(luò)中，單元的活性是有限的，被限制在某個(gè)范圍之內(nèi)。在增加計(jì)劃活性的

27、過程中，把焦點(diǎn)放在具有高SAM活性的位置上是沒有效率的。</p><p>　　選擇一個(gè)距離當(dāng)前位置最近的位置，這樣可以使轉(zhuǎn)換代價(jià)達(dá)到最小</p><p>　　選擇好的位置會(huì)被編碼成變換向量，然后發(fā)送給SSN。</p><p>　　下個(gè)實(shí)際位置的選定。SSN把從所有計(jì)劃網(wǎng)那里收到的變換向量作為輸 入，并且從中選擇一個(gè)采用。一個(gè)高度活躍的計(jì)劃傾向于選擇一個(gè)小的變換。這

28、個(gè)標(biāo)準(zhǔn)支持按照最佳匹配的計(jì)劃進(jìn)行圖像輸入的翻譯，并且使得焦點(diǎn)轉(zhuǎn)移量達(dá)到最小。最后，選定的變換向量被傳播給所有的計(jì)劃和LLVM。</p><p>　　V VISOR的試驗(yàn)結(jié)果</p><p>　　三個(gè)關(guān)于對(duì)象識(shí)別和場(chǎng)景分析的的試驗(yàn)要被演示。第一個(gè)試驗(yàn)將演示對(duì)象的完美實(shí)例的識(shí)別，第二個(gè)試驗(yàn)是一個(gè)歪曲的實(shí)例，第三個(gè)試驗(yàn)是一個(gè)完整的場(chǎng)景。所有的計(jì)劃都在SHN被手工編碼。SHN的第一層由弓、房

29、子和樹的計(jì)劃組成（圖3a-c）。其中，弓和房子的計(jì)劃是非常相似的。兩個(gè)都有三角形的頂，并且很可能把弓的矩形柱和房子的正方形窗子混淆。第二層的計(jì)劃（在第三個(gè)試驗(yàn)中使用）是森林，公園，郊區(qū)和城市（圖3d-g）。這些計(jì)劃也同樣非常相似。例如，如果場(chǎng)景是森林，或者公園，或者郊區(qū)，VISOR從左向右掃描，在最左邊的對(duì)象被識(shí)別之前，它是不可能消除歧義的。注意到這些第二層計(jì)劃并不是這些場(chǎng)景的通用表示。它們被設(shè)計(jì)用來測(cè)試在極度不清楚的情況下VISOR的

30、性能。</p><p>　　在第一個(gè)試驗(yàn)中，一個(gè)房子被輸入到VISOR。圖4（a）VISOR在處理場(chǎng)景時(shí)第一層計(jì)劃的行為的一個(gè)片斷。每次每步的焦點(diǎn)位置被顯示在圖4（b）中。系統(tǒng)被故意設(shè)置成在清晰的狀態(tài)下啟動(dòng)——它把焦點(diǎn)放在房子的三角形屋頂上。起初，VISOR認(rèn)為對(duì)象很可能是張弓。在第五步之后，房子計(jì)劃的活性增加并且超過了弓計(jì)劃，VISOR達(dá)到了最終的穩(wěn)定狀態(tài)，并且得出了結(jié)論，這張圖繪制的是個(gè)房子。</p&g

31、t;<p>　　第二個(gè)試驗(yàn)說明了扭曲圖像的處理過程。兩個(gè)變異的房子圖形被輸入VISOR。第一張圖中的房子有個(gè)平坦的屋頂，第二張圖中的房子則沒有屋頂。在兩種情況</p><p>　　下，VISOR都是從左邊的窗戶開始。圖5說明了兩種情況下計(jì)劃的活性。特征失真的效果在第二步當(dāng)VISOR處理屋頂?shù)臅r(shí)候最明顯。輸入的圖像和在計(jì)劃中表示的圖像差別越大，弓和房子的計(jì)劃的活性就越低。也就是說，VISOR對(duì)對(duì)象的身

32、份更加不確定。但是，在兩種情況下，VISOR都可以最終得出結(jié)論：輸入的物體最有可能是一座房子。</p><p>　　在第三個(gè)試驗(yàn)中，VISOR接收到一副和郊區(qū)模式非常匹配的郊區(qū)圖片。VISOR被設(shè)置為從最右邊的三角形樹開始（圖3）。注意到這個(gè)陳述是很模糊的，這是因?yàn)樯?，公園和郊區(qū)的模式都有一棵樹在最右邊。在第二步，最右邊的樹被識(shí)別（圖6）。在第五步，中間的樹被識(shí)別。這時(shí)，關(guān)于中間那棵樹的詳細(xì)信息被存儲(chǔ)在樹模式的

33、SAM中，但是關(guān)于最右邊的那棵樹的詳細(xì)信息卻丟失了。樹模式的先前的行為（對(duì)應(yīng)于最右邊的樹）被存儲(chǔ)在第二層模式的SAM中。在前六步中，VISOR步不能確定輸入場(chǎng)景是郊區(qū)，公園和森林中的哪一個(gè)。在第七步，VISOR把焦點(diǎn)放在房子的三角形屋頂上。它認(rèn)為在左邊的遠(yuǎn)端的事物最象一張弓，并且整張圖片最象是一個(gè)公園。最終，歧義產(chǎn)生在第十三步，在處理完房子的墻之后。這次，第一層的房子模式最為活躍，這表明最后處理的事物是個(gè)房子。因此，郊區(qū)模式成為第二層最

34、活躍的模式。一旦行為穩(wěn)定，就沒有必要再把焦點(diǎn)</p><p>　　集中在場(chǎng)景的其它部分了，并且進(jìn)程結(jié)束。</p><p><b>　　VI 結(jié)論</b></p><p>　　這個(gè)研究的目的是發(fā)展神經(jīng)網(wǎng)絡(luò)中圖像模式的表示和學(xué)習(xí)模式。表示模式支持前后相繼的信息的整合，這樣可以使得場(chǎng)景分析在有限的處理資源的情況下得以完成。系統(tǒng)簡(jiǎn)單地以圖和合作競(jìng)爭(zhēng)網(wǎng)的