FaceMap:マップ方程式による教師なし顔クラスタリングに向けて【JST・京大機械翻訳】

Yu Xiaotian; Yang Yifan; Wang Aibo; Xing Ling; Yi Hanling; Lu Guangming; Wang Xiaoyu

プレプリント

J-GLOBAL ID：202202212947049544 整理番号：22P0306740

FaceMap:マップ方程式による教師なし顔クラスタリングに向けて【JST・京大機械翻訳】

FaceMap: Towards Unsupervised Face Clustering via Map Equation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月20日プレプリントサーバーでの情報更新日： 2022年03月20日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

顔クラスタリングは,拡張現実感や光警報管理のような関連アプリケーションの爆発によるコンピュータビジョンにおける必須タスクである。このタスクの主な課題は画像特徴表現間の類似性の不完全性にある。既存の特徴抽出モデルを考えると,非ラベル画像の類似性の固有特性がクラスタリング性能を改善するためにどのように活用できるかは未解決の問題である。質問に答えることによって,非重複コミュニティ検出のプロセスとして顔クラスタリングを定式化し,画像のネットワーク上の情報フローのエントロピーを最小化することにより,FaceMapと名付けた効果的な教師なし方法を開発した。エントロピーはマップ方程式によって表示され,その最小値は期待値における画像間の経路の最小記述を表す。顔画像から構築したアフィニティグラフにおけるランク遷移確率に関する観測により,画像間の遷移確率を適応的に調整するための異常値検出戦略を開発した。アブレーション研究による実験は,FaceMapが既存の方法より著しく優れていて,顔クラスタリングのための3つの一般的な大規模データセット,例えば,ペアワイズFスコアの平均に関して,事前教師なしおよび教師つき方法と比較して,それぞれ10%以上および4%の絶対改善を成し遂げることを示した。このコードは,ギトブ上で公開可能である。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

パターン認識 , 図形・画像処理一般

, , , ,

前のページに戻る