10.3969/j.issn.1007-7162.2016.06.014
基于卷积神经网络的大规模人脸聚类
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。
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
33
TP181(自动化基础理论)
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
2016-12-20(万方平台首次上网日期,不代表论文的发表时间)
共8页
77-84