[发明专利]一种基于纯度检测和空间注意力网络的人脸聚类方法

说明书

本发明涉及一种基于纯度检测和空间注意力网络的人脸聚类方法。首先获取人脸识别数据集，训练空间注意力网络，对待聚类的所有人脸图像提取深度特征；接着构造距离矩阵，计算初始聚类结果；然后对每个聚类簇进行纯度检测，过滤掉不属于该类别的人脸图像，并删除不符合条件的聚类簇；最后对过滤后的聚类簇通过空间注意力网络提取集合特征，计算聚类簇之间的距离并不断融合得到最终结果。本发明能够改善人脸聚类的效果。

技术领域

本发明涉及模式识别与计算机视觉领域，特别是一种基于纯度检测和空间注意力网络的人脸聚类方法。

背景技术

随着互联网与大数据的发展，网络上的图片与视频信息呈爆炸式增长，人脸图像作为最常见的类别，含有大量丰富的数据。人脸识别作为计算机视觉领域的热门研究方向，有大量的学者进行研究。当前基于深度学习的人脸识别方法，都需要有大量有标注的数据进行模型的训练，然而对海量数据的标注需要花费大量的财力物力，如何从大量无标注的人脸数据进行聚类分析得到有价值的信息并辅助数据集的构建也是当前一个研究热点问题。

人脸聚类的目标是希望通过聚类方法将大量无标注的人脸图像数据按人物的身份进行归类，并能自动挖掘图片集中含有的人物数量，其在人脸数据分析中占用重要的地位，但在无约束条件下，由于光照、姿态、年龄、遮挡等因素，同一个人类内变化较大，导致聚类结果准确率较低。

发明内容

本发明的目的在于提供一种基于纯度检测和空间注意力网络的人脸聚类方法，改善人脸聚类的效果。

为实现上述目的，本发明的技术方案是：一种基于纯度检测和空间注意力网络的人脸聚类方法，按照如下步骤实现：

步骤S1、获取人脸识别数据集，训练空间注意力网络，对待聚类的所有人脸图像提取深度特征；

步骤S2、构造距离矩阵，计算初始聚类结果；

步骤S3、对每个聚类簇进行纯度检测，过滤掉不属于相应聚类簇类别的人脸图像，并删除不符合条件的聚类簇；

步骤S4、对过滤后的聚类簇通过空间注意力网络提取集合特征，计算聚类簇之间的距离并不断融合得到最终结果。

在本发明一实施例中，所述步骤S1，具体包括以下步骤：

步骤S11、采用人脸识别数据集，进行人脸对齐完成数据预处理；

步骤S12、训练空间注意力网络，采用孪生神经网络结构，即采用两个共享权重的子网络构成，每个子网络由主干网络、空间注意力模块和深度特征抽取模块构成；其中，

主干网络为浅层的全卷积神经网络，用于对输入的人脸图像提取中层特征，令X＝{x_i},i＝1,2,...B表示输入的人脸图像集合，其中，x_i表示第i个输入图像，令G(·)表示主干网络的映射函数，则O＝G(X)，其中，O＝{o_i}表示中层特征，o_i＝G(x_i)表示x_i的中层特征，由输出的中层特征产生两个分支，一个分支为空间注意力模块，另一个分支为深度特征抽取模块；

深度特征抽取模块由多个卷积层与最大池化层堆叠而成，完成对输入的每一张人脸图像进行特征提取，令H(·)表示深度特征抽取模块的映射函数，则对输入x_i有f_i＝H(G(x_i))，其中，f_i表示第i个输入图像的深度特征；