基于聚类的对比学习以改进人脸表征
计算机视觉与模式识别
2020-04-07 v1 机器学习
摘要
良好的聚类算法能够发现数据中的自然分组。若明智地使用这些分组,可为表征学习提供一种弱监督形式。在这项工作中,我们提出基于聚类的对比学习(CCL),一种新颖的基于聚类的表征学习方法,其利用聚类得到的标签并结合视频约束来学习判别性人脸特征。我们在具有挑战性的视频人脸聚类表征学习任务上展示了我们的方法。通过若干消融研究,我们分析了由不同来源创建成对正标签与负标签的影响。在三个具有挑战性的视频人脸聚类数据集 BBT-0101、BF-0502 和 ACCIO 上的实验表明,CCL 在所有数据集上均达到了新的 SOTA。
引用
@article{arxiv.2004.02195,
title = {Clustering based Contrastive Learning for Improving Face Representations},
author = {Vivek Sharma and Makarand Tapaswi and M. Saquib Sarfraz and Rainer Stiefelhagen},
journal= {arXiv preprint arXiv:2004.02195},
year = {2020}
}
备注
To appear at IEEE International Conference on Automatic Face and Gesture Recognition (FG), 2020