人脸聚类-2020 CVPR Learning to Cluster Faces via Confidence and Connectivity Estimation

论文链接

Abstract：人脸聚类是挖掘未标记人脸的一个主要方法，在人脸标注和检索等方面有着广泛的应用。最近研究表明，有监督聚类可以显著提高性能。然而，它们通常包含启发式步骤，并且需要大量重叠的子图，这严重限制了准确性和效率。本文提出了一个不需要大量重叠子图的、完全可学习聚类框架。我们将聚类问题转化为两个子问题，具体来说，是两类图卷积网络：GCN-V与GCN-E，GCN-V是用来估计顶点的置信度，GCN-E是用来估计边的连接度。通过顶点的置信度与边的连接度，我们可以自然地组织更多的相关顶点，并将它们组合成簇。在两种大规模数据实验结果表明，该方法显著地提高了聚类精度，从而提高了识别模型的性能，使识别效率较现有的监督方法有较大提升。

Introduction

本文的核心是两个GCN网络，即GCN-V与GCN-E(如下图所示)。