抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
クラスタリングは機械学習とデータ解析のための教師なし技術である。重心,接続性,密度,あるいは分布ベースのクラスタリングのような異なるクラスタリング法が多くの視覚応用におけるステップとして適用されてきた。最近,顔のクラスタリングが顔認識分野において重要なタスクになり,LFWとIJB-Bデータセットに関する評価ベンチマークが作成されている。本論文において,著者らは,重心,密度,および連結性ベースのクラスタリングアルゴリズムの優位性を組み合わせた,Centroid Leveraging Iterative Processed Spatial Eclipse(ECLIPSE)クラスタリングアルゴリズムのアンサンブルを提示した。ここで,著者らは,重心,密度,および連結性ベースのクラスタリングアルゴリズムの利点を結合した。著者らは,ECLIPSEが,ユークリッド,コサイン,およびBray-Curtis距離のような多くの種類の距離測度で動作できることを示した。LFWとIJB-Bデータセットに対する深い特徴を抽出するために,アラインメントのない部分的特徴抽出(AFFFE)ネットワークを提示した。これらの特徴を用いて,著者らの実験結果は,ECLIPSEが関連アルゴリズムより良いクラスタの真の数を推定することができて,特に大規模データセットのために最先端のクラスタリング結果を提供することができることを示した。IJB-Bプロトコルにおけるヒントのみを用いて,AFFFEとECLIPSEは最先端の状態を著しく前進させる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】