[CVPR | 论文简读] 深度密度的无约束人脸聚类算法

简读分享 | 崔雅轩 编辑 | 李仲深

论文题目

Deep Density Clustering of Unconstrained Faces

论文摘要

在本文中，作者考虑了一组无约束的人脸图像聚类的问题，其中数据集的数量是未知的。作者提出了一种无监督聚类算法，称为深度密度聚类(DDC)，该算法是基于测量特征空间中局部邻域之间的密度亲和力。通过学习每个邻域的最小覆盖范围，并且封装了有关底层结构的信息。该封装还能够定位邻域的高密度区域，有助于度量邻域的相似性。作者从理论上证明了算法会渐近收敛到一个Parzen window的密度估计。实验表明，当数据数量未知时，DDC是无约束人脸聚类算法中表现最好的。与传统的方法相比，DDC有更好的性能。

论文链接

https://openaccess.thecvf.com/content_cvpr_2018/papers/Lin_Deep_Density_Clustering_CVPR_2018_paper.pdf