基于关联图关键边发现的人脸图像聚类算法

摘要：

针对真实场景中大量类别数未知、样本数量不均衡、数据分布复杂等导致人脸图像智能提取准确率低的问题,提出了基于关联图关键边发现的人脸图像聚类算法.首先,通过融合多个卷积神经网络提取的图像样本特征,获得鉴别性更强的特征向量,并计算不同样本之间的相似度;然后,利用拒真率和认假率设置合适的门限值,将得到的相似度结果与门限值进行比较,筛选出相似程度高的样本对,并添加样本对之间的连接边来构建关联图;再利用介数中心性测度,设计关键边发现方法,挖掘关联图中可能连接不同簇的重要连接边;最后,采用图卷积网络确认是否存在上述重要连接边以获得最终的聚类簇.实验结果表明,所提算法能够提高人脸图像聚类的准确率.

关键词：人脸聚类、关键边发现、介数中心性、图卷积网络

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省重点领域研发计划项目2019B010153002

在线出版日期：2023-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：97-102