12 天前

基于渐进式分配的联合多图匹配与聚类及其在无监督图匹配网络学习中的应用

{Xiaokang Yang, Junchi Yan, Runzhong Wang}
基于渐进式分配的联合多图匹配与聚类及其在无监督图匹配网络学习中的应用
摘要

本文研究了在不同组别中对多个图进行联合匹配与聚类的问题,该问题在众多现实应用场景中自然出现。图匹配与图聚类本身均属于NP难问题,而由于两项任务之间存在天然的关联性,联合求解具有显著吸引力。本文采用一种渐进式分配(graduated assignment)算法,在迭代过程中实现软匹配与软聚类。通过引入两个独立的退火参数,分别调控双向约束与聚类置信度,从而有效协调匹配与聚类过程。该方法还可进一步用于端到端学习,其损失函数定义为两条匹配流水线之间的交叉熵,从而使得关键点特征提取卷积神经网络(CNN)能够在无需真实标签监督的情况下进行训练。在真实世界基准数据集上的实验结果表明,所提方法在性能上优于无学习类算法,并在与基于两图的监督式图匹配方法对比中展现出相当的竞争力。

基于渐进式分配的联合多图匹配与聚类及其在无监督图匹配网络学习中的应用 | 最新论文 | HyperAI超神经