文献

J-GLOBAL ID：202202220898007620   整理番号：22A0554420

顔クラスタリングのための信頼ベース単純グラフ畳込みネットワーク【JST・京大機械翻訳】

Confidence-Based Simple Graph Convolutional Networks for Face Clustering

著者 (3件)： Sun Dengdi (Key Laboratory of Intelligent Computing and Signal Processing (ICSP), Ministry of Education, School of Artificial Intelligence, Anhui University, Hefei, China) ,  Yang Kang (Anhui Provincial Key Laboratory of Multimodal Cognitive Computing, School of Computer Science and Technology, Anhui University, Hefei, China) ,  Ding Zhuanlian (School of Internet, Anhui University, Hefei, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 6459-6469  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 顔クラスタリングはラベルなし顔データを利用するための有効な方法である。最近の研究では,顔画像間の近傍情報から特徴埋込みを学習するためにグラフ畳込みネットワーク(GCN)を用いた。しかし,顔クラスタリング法の大部分は,ノード周辺の局所構造を特徴付けるために多数の重複部分グラフを必要とし,それは顕著な冗長性を引き起こす。さらに,GCN自体の非線形性は計算複雑度を増加させ,さらにモデルの訓練効率を低下させる。本研究では,より正確なクラスタリング結果を達成し,GCNベースの顔クラスタリングの効率を大幅に改善する,顔クラスタリングのための軽量クラスタリングフレームワーク,信頼ベース単純グラフ畳込みネットワーク(CSGCN)を提案した。特に,CSGCNは,任意の部分グラフを構築せず,全体としてグラフ全体を畳込みし,また,グラフ畳込みモジュールにおける畳込みの非線形性を除去し,さらに計算量を低減した。続いて,効果的な新しい信頼スコアを構築し,埋込み特徴をより良く特徴付け,その後のクラスタリングが前述のモデル単純化の下で高精度速度を維持することを確認した。さらに,既存のGCNベースの方法のほとんどは実際に監視されているが,クラスタリングタスクに対してより適切なものにするために教師なし信頼を構築する。MS-Celeb-1M,YouTube-Faces,およびDeepFashionデータセットによる広範な実験は,著者らの方法がクラスタリング精度を改善するだけでなく,教師つきまたは教師なしモデルにおいても実行時間を著しく低減することを示した。Copyright 2022 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】

シソーラス用語： *グラフ ,  *畳込み ,  簡素化 ,  冗長性 ,  情報 ,  *ネットワーク ,  構造 ,  特性 ,  *クラスタ化 ,  計算量 ,  部分グラフ ,  非線形性 ,  モデル ,  顔画像
準シソーラス用語： 局所構造 ,  実行時間 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 顔 ,  クラスタリング ,  信頼 ,  単純グラフ ,  畳込み