本文要解決的問題是人臉聚類，這類任務的目的是將一批無標記的人臉通過聚類使得自同一個人的人臉聚在一起。作者將這個問題轉換為鏈路預測的問題，當兩個人臉屬于同一個人時，那么他們之間存在一條邊。作者發現特征空間中某個人臉的上下文，即局部信息是非常重要的，因此提出通過GCN來學習，通過GCN來預測兩個人臉之間是否存在連接的可能性。

引言

人臉聚類在人臉分析中是一類基礎任務，它的應用場景包括相冊整理，大規模的圖像或者視頻的快速檢索，自動數據標注或者清洗等。

傳統的方法通常對數據的分布有嚴苛的假設，通常受限于人臉表征的復雜分布。比如，K-Means需要類簇是凸的，譜聚類需要不同類簇的樣本數是均衡的，DBSCAN假設所有類簇的密度是同密度的。而基于鏈接關系的聚類通常對數據分布沒有要求，這類方法有4類方法，如下圖所示。圖(a)表示將人臉聚類的問題轉換為聯系預測問題，圖(b)代表的是一類很直觀地方法，直接基于特征空間中實例之間的 距離設定某個閾值，這類方法顯然不是一種合適的方式，因為類簇的差異非常大，因此更復雜的度量提出來計算聯系的似然概率，圖(c)是這類方法的一個代表AROD(Approximate Rank-Order Distance)，這是類啟發式的計算方法。

本文不同于上述方法，提出通過學習來預測兩個節點是否應該有聯系。提出這個方法的一個動機是作者發現一個節點和其周圍節點是否有關聯能夠從它的context得到。為了利用這個重要的信息，作者提出了通過GCN進行學習的聚類方法，如圖(d)所示。這個框架概括起來包含三部分：

1、 作者將聚類的問題轉換為聯系預測的問題；

2、 預測聯系的時候不是對所有數據進行，而是只對它的近鄰節點。針對每個節點，構建一個以它為中心的子圖(IPS, Instance Pivot Subgraph)來描述局部的context。

3、 GCN輸出聯系的似然概率，然后通過合并得到類簇。

論文分享 | Linkage Based Face Clustering via GCN?mp.weixin.qq.com

總結

以上是生活随笔為你收集整理的dbscan论文_论文分享 ：Linkage Based Face Clustering via GCN的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。