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