10.3969/j.issn.1673-629X.2019.11.019
基于Chinese Whispers的人脸动态聚类
针对Chinese Whispers算法对于小规模数据聚类随机性大,对于大规模数据聚类速度缓慢的问题,提出了一种改进的Chinese Whispers算法用于人脸的动态聚类.新增了一个阈值P,用Chinese Whispers算法对数据规模为P的数据进行聚类时,既可以保证聚类结果的稳定性,又可以保证聚类算法的高效性;利用代表点而不是所有点完成聚类更新,能够有效减少对增量数据聚类时的数据量,从而达到提升聚类速度的目的.采用CNN+ArcFace Loss方法提取人脸特征,采用余弦距离作为相似性度量的方式,采用类中心作为代表点来描述类别信息,采用增量聚类的算法架构实现对于大规模数据的人脸动态聚类,并完成在LFW、VGGFace2和CASIA-Webface三个公开人脸数据集的测试.实验结果表明,基于Chinese Whispers人脸动态聚类算法可有效提高聚类的时间效率,时间复杂性由原来的O(n2)变为O(n*p).
Chinese Whispers、动态聚类、人脸聚类、代表点、数据挖掘
29
TP301.6(计算技术、计算机技术)
国家重点研发计划项目2018YFC0806806
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
92-96