Кластеризация изображений лиц
| Parent link: | Компьютерная оптика: научный журнал/ Институт систем обработки изображений Российской академии наук.— , 1 Т. 41, № 1.— 2017.— [С. 59-66] |
|---|---|
| Main Author: | |
| Corporate Author: | |
| Other Authors: | |
| Summary: | Заглавие с экрана В работе предложен алгоритм многошаговой кластеризации изображений лиц, предназначенный для разбиения исходной коллекции на группы похожих изображений. В основу алгоритма положена кластеризация мер близости между сегментированными по яркости изображениями. В качестве мер близости использованы евклидово расстояние и расстояние Кульбака-Лейблера. Сегментация яркости изображений и кластеризация мер их близости осуществлялись с помощью программной модели рекуррентной нейронной сети. Приводятся результаты экспериментальных исследований предложенного подхода. In this paper a multi-step algorithm for clustering face images is proposed. This algorithm is designed to split a collection of images into groups of similar images. The algorithm is based on clustering the proximity measures between brightness-based segmented images. As proximity measures, the Euclidean distance and the Kullback-Leibler distance were used. Brightness-based image segmentation and clustering respective proximity measures were carried out with the help of a software model of a recurrent neural network. Results of experimental studies of the proposed approach are presented. Режим доступа: по договору с организацией-держателем ресурса |
| Published: |
2017
|
| Series: | Обработка изображений, распознавание образов |
| Subjects: | |
| Online Access: | https://elibrary.ru/item.asp?id=28399373 https://doi.org/10.18287/2412-6179-2017-41-1-59-66 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=655641 |
| Summary: | Заглавие с экрана В работе предложен алгоритм многошаговой кластеризации изображений лиц, предназначенный для разбиения исходной коллекции на группы похожих изображений. В основу алгоритма положена кластеризация мер близости между сегментированными по яркости изображениями. В качестве мер близости использованы евклидово расстояние и расстояние Кульбака-Лейблера. Сегментация яркости изображений и кластеризация мер их близости осуществлялись с помощью программной модели рекуррентной нейронной сети. Приводятся результаты экспериментальных исследований предложенного подхода. In this paper a multi-step algorithm for clustering face images is proposed. This algorithm is designed to split a collection of images into groups of similar images. The algorithm is based on clustering the proximity measures between brightness-based segmented images. As proximity measures, the Euclidean distance and the Kullback-Leibler distance were used. Brightness-based image segmentation and clustering respective proximity measures were carried out with the help of a software model of a recurrent neural network. Results of experimental studies of the proposed approach are presented. Режим доступа: по договору с организацией-держателем ресурса |
|---|---|
| DOI: | 10.18287/2412-6179-2017-41-1-59-66 |