基于卷积神经网络的大规模人脸聚类

摘要：

大规模人脸聚类不仅要求高效的人脸特征，还要求聚类算法在保持高准确率的同时耗时短。本文通过构建卷积神经网络高效提取人脸特征，并采用经典K-means算法和现阶段新颖的CFSFDP （ Clustering by Fast Search and Find of Density Peaks）算法进行大规模人脸聚类。实验在聚类数目递增的情况下进行，并通过随机指标（Rand Index， RI）、信息熵、F1-measure和混淆矩阵可视化来综合评估聚类的质量。结果表明，在大规模人脸聚类的情况下，卷积神经网络特征融合K-means的人脸聚类算法速度和准确率均优于CFSFDP算法。这一结论对大规模人脸聚类的实际应用具有重要的指导意义。

关键词：大规模人脸聚类、卷积神经网络、K-means、随机指标、信息熵、F1-测试值、混淆矩阵可视化

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61271380；广东省自然科学基金资助项目S2012010009870，2014A030313515

在线出版日期：2016-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：77-84