一种感知邻近度的人脸层次聚类
计算机视觉与模式识别
2017-03-16 v1
摘要
本文提出一种称为“感知邻近度层次聚类”(PAHC)的无监督人脸聚类算法，其利用了深度表示的局部结构。在所提方法中，深度特征之间的相似性度量通过评估线性SVM边界来计算。SVM使用样本数据的最近邻进行训练，因此不需要任何外部训练数据。然后通过阈值化相似性分数形成聚类。我们使用三个具有挑战性的无约束人脸数据集评估聚类性能，包括Celebrity in Frontal-Profile (CFP)、IARPA JANUS Benchmark A (IJB-A)和JANUS Challenge Set 3 (JANUS CS3)数据集。实验结果表明所提方法相比最先进方法取得了显著改进。此外，我们还展示了所提聚类算法可用于策划大规模含噪训练数据集，同时保持足够数量的图像及其因干扰因素产生的变化。通过使用策划的包含超过三百万张人脸图像的MS-Celeb-1M数据集微调DCNN模型，JANUS CS3上的人脸验证性能显著提升。
引用
@article{arxiv.1703.04835,
title = {A Proximity-Aware Hierarchical Clustering of Faces},
author = {Wei-An Lin and Jun-Cheng Chen and Rama Chellappa},
journal= {arXiv preprint arXiv:1703.04835},
year = {2017}
}