买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：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。

主权项：1.一种基于图卷积神经网络的人脸聚类方法，其特征在于，包括以下步骤：步骤1：对原始人脸数据集进行处理，提取人脸特征；步骤2：将每个人脸特征看成是一个节点，采用最近邻搜索计算出每个节点的最近邻的k个邻居节点；步骤3：计算每一个节点的局部密度值；对于每个节点i，遍历其最近邻的k个邻居节点，计算这k个邻居节点中与节点i的欧氏距离小于截断距离E0的节点数，即为节点i的局部密度值ρi，该过程表示为： 其中，E0表示预先设置的截断距离；dij表示节点i和节点j的欧氏距离；步骤3：将节点根据局部密度值按从大到小的顺序排序，根据设定的阈值划分为高密度节点和低密度节点；步骤4：高密度节点身处聚类的中心区域，具有强连通性，属于强连通区域；遍历强连通区域的每个节点，如果该节点最近邻的m个节点中存在某个节点属于强连通区域，同时这两个节点之间的距离小于截断距离E0，则将这两个节点划分为同一个高密度聚类中心，这个过程不断持续，直到所有强连通区域的节点都被遍历完毕，高密度节点形成不同的聚类中心；m为预先设定的值，且m≤k；步骤5：对低密度节点进行处理，为低密度节点构建自适应子图，使用图卷积神经网络对自适应子图进行推理，获取节点间的连通性；步骤5.1：为低密度节点构建自适应子图，构建完成后得到特征矩阵F＝[f1,f2,f3,...,fv]T和邻接矩阵A∈R|V|×|V|；V表示自适应子图中的节点集合；步骤5.2：将特征矩阵和邻接矩阵输入图卷积神经网络，图卷积网络聚合节点上下文信息，能够判断一个节点与中枢节点之间是否存在连接，图卷积层输出变换后的特征矩阵Y；Y＝σ[F||GF]W其中，W为可学习的权重参数矩阵；是一个聚合矩阵，Λ是对角矩阵；操作符∥表示将矩阵沿着特征维度拼接；σ表示Relu激活函数；步骤5.3：将特征矩阵Y输入图卷积网络的全连接层中进行分类操作；y＝softmaxWx+b其中，y表示正负样本的概率；b是偏置项；softmax函数执行归一化操作；x表示特征矩阵Y中的特征向量；步骤5.4：在中心节点与一阶邻居之间建立一条边，边的连通性就是该邻居节点为正样本的概率；步骤6：将步骤4和步骤5所获得的结果进行合并，最终通过多次迭代将不符合要求的边切除，剩下的连通部分形成最终的聚类。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种基于图卷积神经网络的人脸聚类方法