使用受限玻尔兹曼机进行图像聚类
计算机视觉与模式识别
2024-01-17 v2 人工智能
摘要
在各种验证系统中，受限玻尔兹曼机（RBM）已在前端和后端过程中证明了其有效性。在本工作中，我们提出将 RBM 用于图像聚类任务。训练 RBM 以将图像转换为图像嵌入。我们采用传统的自下而上的凝聚层次聚类（AHC）技术。为了解决测试人脸图像数据有限的问题，我们引入了基于凝聚层次聚类的受限玻尔兹曼机图像聚类方法（AHC-RBM），该方法包含两个主要步骤。首先，使用所有可用的训练数据集训练一个通用 RBM 模型。随后，我们使用每张测试图像的数据训练一个适配的 RBM 模型。最后，通过连接这些适配模型的可见层到隐藏层的权重矩阵以及偏置向量，生成作为嵌入向量的 RBM 向量。这些向量有效地保留了特定类别的信息，并被用于图像聚类任务。我们在两个基准图像数据集（MS-Celeb-1M 和 DeepFashion）上进行的实验结果表明，我们提出的方法超越了诸如 k-means、谱聚类和近似 Rank-order 等著名聚类算法。
引用
@article{arxiv.2312.13845,
title = {Image Clustering using Restricted Boltzman Machine},
author = {Abraham Woubie and Enoch Solomon and Eyael Solomon Emiru},
journal= {arXiv preprint arXiv:2312.13845},
year = {2024}
}