![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人脸聚类
Mr_不想起床
努力工作,环游世界!
展开
-
人脸聚类框架(Face Cluster Framework)
Face Cluster Framework (人脸聚类框架)English Version | 中文版Intorduction一个人脸图片聚类框架对于给定的大量待聚类人脸图片,利用人脸特征抽取组件(face_feature_extract)进行人脸特征抽取,并对用抽取的人脸特征进行人脸聚类并进行图片归档。采用的人脸聚类算法较当前主流人脸聚类算法效果更优,具体测评效果详见人脸聚类Cluster Result输入数据:部分聚类效果:RequirementsPytho原创 2020-12-01 19:48:18 · 5660 阅读 · 2 评论 -
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,并将它们组合原创 2020-11-25 11:32:24 · 2744 阅读 · 1 评论 -
一种无监督人脸聚类方法(SOTA效果)
Learning to Cluster Faces by InfomapIntorduction采用了无监督方法infomap进行人脸聚类(github),在MS-Celeb-1M(part1_test)及多份私有数据集上获得较当前主流方法更优的效果,测试结果对比详见下表.Infomap IntorductionInfomap WebsiteRequirementsPython >= 3.6sklearninfomapnumpyDatasetsMS-Celeb-1M : pa原创 2020-11-23 17:34:28 · 3668 阅读 · 9 评论