一种基于双对齐补全的缺失多视图人脸图像聚类方法

一种基于双对齐补全的缺失多视图人脸图像聚类方法，属于缺失多视图人脸图像数据中的数据聚类处理领域，本发明首先通过自编码器的编码网络获得缺失多视图人脸图像数据样本的低维嵌入表示，并将其通过解码网络获得重构样本特征，同时使用重构损失函数对缺失多视图人脸图像数据和重构样本特征进行约束。紧接着利用每个视图的潜在嵌入表示构建原型矩阵，并通过原型对比损失函数对齐视图间的同类簇原型。然后将每个视图的潜在嵌入表示和相应的同类簇原型输入注意力层，通过注意力矩阵增加视图内同类簇样本的紧密性，同时使用视图间的同类簇存在样本补全缺失视图。紧接着将补全后的视图通过实例对比学习获得视图间多视图人脸图像数据样本的一致性信息，随后通过特征融合层获得所有视图的公共低维嵌入表示。最后使用小批量随机梯度下降算法将基于双对齐补全的缺失多视图人脸图像聚类方法总体损失函数优化至收敛。当模型达到收敛后，使用k‑mean算法对公共低维嵌入表示进行聚类获得聚类结果，进而实现对缺失多视图人脸图像数据样本聚类的目的。