大规模 ${10^{7}}$ 节点图上的结构感知人脸聚类
计算机视觉与模式识别
2021-03-30 v2
摘要
人脸聚类是一种颇具前景的未标注人脸图像标注方法。近期的监督方法大幅提升了人脸聚类精度，但其性能仍远未令人满意。这些方法可大致分为基于全局与基于局部两类。基于全局的方法受限于训练数据规模，而基于局部的方法难以把握整图结构信息且推理耗时较长。以往方法无法同时应对这两大挑战。为化解大规模训练与高效推理的两难困境，我们提出结构感知人脸聚类(STAR-FC)方法。具体而言，我们设计了一种保持结构的子图采样策略以挖掘大规模训练数据的潜力，将训练数据规模从 提升至 。推理阶段，STAR-FC 通过图解析与图精炼两步实现高效全图聚类。第二步引入节点亲密度概念以挖掘局部结构信息。STAR-FC 在部分 MS1M 上以 310s 取得 91.97 的成对 F 值，超越现有最优方法。此外，我们首次在含 20M 节点的超大规模图上训练，并在 12M 测试数据上取得优异推理结果。总体而言，作为一种简洁有效的方法，所提 STAR-FC 为大规模人脸聚类提供了强基线。代码见 \url{https://sstzal.github.io/STAR-FC/}。
引用
@article{arxiv.2103.13225,
title = {Structure-Aware Face Clustering on a Large-Scale Graph with $\bf{10^{7}}$ Nodes},
author = {Shuai Shen and Wanhua Li and Zheng Zhu and Guan Huang and Dalong Du and Jiwen Lu and Jie Zhou},
journal= {arXiv preprint arXiv:2103.13225},
year = {2021}
}
备注
Accepted by the CVPR 2021. Project: https://sstzal.github.io/STAR-FC/