![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GCN
Shane Zhao
CV
展开
-
GCN实现人脸聚类
首先介绍一下GCN实现人脸聚类这篇论文,然后记录一下作者开源代码的阅读心得(代码写的很nice!)Learning to Cluster Faces via Confifidence and Connectivity Estimation CVPR2020一图胜千言,图2即作者提出的GCN网络来实现人脸聚类的全流程,其实本文的重点不在于GCN模型的构建,而是一种GCN思想在人脸聚类上的应用。GCN实现人脸聚类主要分为四个部分:图的构建,GCN-V实现节点置信度预测,GVN-E实现边连接预测,通过基于原创 2020-10-21 16:54:43 · 4152 阅读 · 9 评论 -
GCN初探
CNN能在规则结构数据上取得惊人成绩归功于规则结构数据的平移不变性,因此CNN利用参数共享完成规则数据的特征抽取,这里的规则数据有如图片等数据。但图结构数据不具备结构规则性,CNN因此失效了,图数据上的节点受到周边乃至更远节点的影响,因此我们需要一种方法能够考虑节点以及它所相关的节点相互影响的模型来完成节点特征抽取。GCN和CNN一样,可以理解为一种特征提取器,GCN可以完成节点分类,图分类,边预测,图嵌入等。在GCN中,有几个重要的概念需要清楚(这儿以无向图为例)度矩阵D:表示节点的度邻接矩阵原创 2020-10-21 16:58:36 · 325 阅读 · 0 评论