文章链接：https://arxiv.org/pdf/1903.11306.pdf

TL;DR

这篇文章介绍了如何利用GCN进行人脸图片聚类。将图片聚类问题变成了链路预测的问题。对于GCN，只是用来提取相邻或者3-hops图片的特征，并不是用来提取单张图片上人脸的特征。

Dataset/Algorithm/Model

文章的思路大概分为以下三步：

  1. 根据图片特征空间上的距离构建IPS（Instance Pivot Subgraph）子图。

  2. 利用GCN提取相邻节点（人脸图片）的特征，输出每个节点之间存在边的概率。

  3. 根据概率阈值为节点之间添加边。每个不连通的子图都是一个cluster。

图示过程大致如下：

Experiment Detail

实验结果只是和传统的聚类算法或者CNN结果进行比较，结果略优于以前的方法。

Thoughts

  1. 关于构建IPS图，可选的参数太多。本文实验中作者是通过实验结果选定好的参数，但是对于不同的数据集，参数可能不同。

  2. 虽然这篇文章中GCN在人脸上的用法跟我想的不同，但是也提供了可以参照的构造IPS子图的方式。

  3. 至于创新点，感觉有点强行将链路预测和GCN加上联系。

联系作者