基于在线高斯混合模型的高效大规模人脸聚类
计算机视觉与模式识别
2022-07-21 v1 机器学习
摘要
在本工作中，我们解决大规模在线人脸聚类问题：给定连续到达的未知人脸流，创建一个按身份对到达人脸分组的数据库。每到来一张新人脸，数据库必须更新。此外，解决方案必须高效、准确且可扩展。为此，我们提出一种基于在线高斯混合的聚类方法（OGMC）。该方法的关键思想是一个身份可由不止一个分布或簇表示。利用从到达人脸提取的特征向量（f-vectors），OGMC 生成可能根据邻近度与鲁棒性连接到其他簇的簇。每次用新样本更新一个簇时，其连接也更新。通过此方法，我们降低了聚类过程对到达数据的顺序与大小的依赖，并能处理复杂数据分布。实验结果表明，所提方法在大规模人脸聚类基准上不仅在精度上，也在效率与可扩展性上优于最先进的聚类方法。
引用
@article{arxiv.2103.17272,
title = {Efficient Large-Scale Face Clustering Using an Online Mixture of Gaussians},
author = {David Montero and Naiara Aginako and Basilio Sierra and Marcos Nieto},
journal= {arXiv preprint arXiv:2103.17272},
year = {2022}
}
备注
14 pages, 11 figures