北京邮电大学学报 ›› 2023, Vol. 46 ›› Issue (1): 97-102.
基于关联图关键边发现的人脸图像聚类算法
黄跃珍1,2,3, 戴晶帼2, 张承业2, 魏东2
- 1. 国防科技大学 计算机学院
2. 广州广电运通金融电子股份有限公司 3. 广州无线电集团有限公司
Face Clustering Algorithm Based on Key Links Discovery of Affinity Graph
- 1. College of Computer Science and Technology, National University of Defense Technology, Changsha 410073, China;
2. GRGBanking Equipment Company Limited, Guangzhou 510663, China;
3. Guangzhou Radio Group, Guangzhou 510627, China
摘要: 针对真实场景中大量类别数未知、样本数量不均衡、数据分布复杂等导致人脸图像智能提取准确率低的问题,提出了基于关联图关键边发现的人脸图像聚类算法。 首先,通过融合多个卷积神经网络提取的图像样本特征,获得鉴别性更强的特征向量,并计算不同样本之间的相似度;然后,利用拒真率和认假率设置合适的门限值,将得到的相似度结果与门限值进行比较,筛选出相似程度高的样本对,并添加样本对之间的连接边来构建关联图;再利用介数中心性测度,设计关键边发现方法,挖掘关联图中可能连接不同簇的重要连接边;最后,采用图卷积网络确认是否存在上述重要连接边以获得最终的聚类簇。 实验结果表明,所提算法能够提高人脸图像聚类的准确率。
中图分类号: