公开(公告)号：CN114511905B

公开(公告)日：2024-11-05

申请号：CN202210066025.6

申请日：2022-01-20

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  李龙 ,  赵庆超 ,  莫士奇 ,  李思纯 ,  李松 ,  时洁

IPC: G06V40/16 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于人脸聚类技术领域，具体涉及一种基于图卷积神经网络的人脸聚类方法。本发明首先对人脸数据做特征提取，把人脸特征看成节点，计算所有节点的局部密度值；然后，基于局部密度值将数据划分为高密度节点和低密度节点两部分，高密度节点连接最近邻中同为高密度的节点，形成多个聚类中心；为低密度节点构造自适应子图，作为图卷积神经网络的输入，预测节点间的连通性；最后，将两部分合并后使用伪标签传播将不符合要求的边切除，获取最终的聚类结果。本发明基于密度将数据划分为两部分，仅对低密度部分构建子图进行推理，提高了聚类的效率，同时自适应子图能够提取更为丰富的上下文信息，使得对子图的推理更为准确，提高了聚类的准确度。

公开(公告)号：CN114511905A

公开(公告)日：2022-05-17

申请号：CN202210066025.6

申请日：2022-01-20

Applicant: 哈尔滨工程大学

Inventor： 初妍 ,  李龙 ,  赵庆超 ,  莫士奇 ,  李思纯 ,  李松 ,  时洁

IPC: G06V40/16 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于人脸聚类技术领域，具体涉及一种基于图卷积神经网络的人脸聚类方法。本发明首先对人脸数据做特征提取，把人脸特征看成节点，计算所有节点的局部密度值；然后，基于局部密度值将数据划分为高密度节点和低密度节点两部分，高密度节点连接最近邻中同为高密度的节点，形成多个聚类中心；为低密度节点构造自适应子图，作为图卷积神经网络的输入，预测节点间的连通性；最后，将两部分合并后使用伪标签传播将不符合要求的边切除，获取最终的聚类结果。本发明基于密度将数据划分为两部分，仅对低密度部分构建子图进行推理，提高了聚类的效率，同时自适应子图能够提取更为丰富的上下文信息，使得对子图的推理更为准确，提高了聚类的准确度。