[發明專利]聚類模型的訓練方法、裝置、電子設備和計算機存儲介質

有效

• 申請號: 201710384721.0
• 申請日: 2017-05-26
• 公開（公告）號: CN108228684B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 曹凱迪;何悅;李誠
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本發明實施例公開了一種聚類模型的訓練方法、裝置、電子設備和計算機存儲介質，其中方法包括：通過聚類模型及已聚類照片，對新增照片進行聚類處理，得到所述新增照片的聚類結果，所述新增照片攜帶有類別標記；基于所述新增照片的所述聚類結果及所述類別標記，計算所述聚類結果的回報函數值；根據所述聚類結果的回報函數值，對所述聚類模型進行訓練。本發明實施例通過訓練得到的聚類模型對新增照片和已有分類結果的初始狀態相冊中照片進行聚類，獲得的聚類結果更接近人工分類結果，訓練得到的聚類模型的聚類準確率更高。

技術領域

本發明涉及計算機視覺技術，尤其是一種聚類模型的訓練方法、裝置、電子設備和計算機存儲介質。

背景技術

當前的智能相冊能夠基于人臉識別技術對相冊中的照片進行自動的標記與聚類。

但對于已完成聚類的智能相冊，在實際應用中，用戶會不斷的增加新的照片，在將新增照片加入到已完成聚類的智能相冊中的過程中，需要通過增量式聚類對新增照片與已聚類照片重新進行聚類。目前，一般將全部照片(包括新增照片和已聚類照片)重新進行聚類，以實現增量式聚類。然而，這樣會丟失對前次聚類結果進行的修正信息，并且頻繁重新進行聚類會造成資源浪費。

發明內容

本發明實施例提供一種用于訓練聚類模型的技術方案。

根據本發明實施例的一個方面，提供的一種聚類模型的訓練方法，包括：

通過聚類模型及已聚類照片，對新增照片進行聚類處理，得到所述新增照片的聚類結果，所述新增照片攜帶有類別標記；

基于所述新增照片的所述聚類結果及所述類別標記，計算所述聚類結果的回報函數值；

根據所述聚類結果的回報函數值，對所述聚類模型進行訓練。

根據本發明實施例的另一個方面，提供的一種聚類模型的訓練裝置，包括：

聚類單元，用于通過聚類模型及已聚類照片，對新增照片進行聚類處理，得到所述新增照片的聚類結果，所述新增照片攜帶有類別標記；

回報單元，用于基于所述新增照片的所述聚類結果及所述類別標記，計算所述聚類結果的回報函數值；

訓練單元，用于根據所述聚類結果的回報函數值，對所述聚類模型進行訓練。

根據本發明實施例的一個方面，提供的一種電子設備，包括處理器，所述處理器包括如上所述的聚類模型的訓練裝置。

根據本發明實施例的一個方面，提供的一種電子設備，包括：存儲器，用于存儲可執行指令；

以及處理器，用于與所述存儲器通信以執行所述可執行指令從而完成如上所述聚類模型的訓練方法的操作。

根據本發明實施例的一個方面，提供的一種計算機存儲介質，用于存儲計算機可讀取的指令，所述指令被執行時執行如上所述聚類模型的訓練方法的操作。

基于本發明上述實施例提供的聚類模型的訓練方法、裝置、電子設備和存儲介質，通過聚類模型及已聚類照片對新增照片進行聚類，獲得聚類結果，實現了對新增照片的聚類；基于聚類結果和類別標記計算聚類結果的回報函數值，得到的回報函數值能實現對聚類模型的訓練，并使訓練模型達到的聚類效果更接近人工分類結果；根據回報函數值對所述聚類模型進行訓練，能夠得到針對增量式聚類的聚類模型，該聚類模型針對增量式聚類的聚類準確率高。

下面通過附圖和實施例，對本發明的技術方案做進一步的詳細描述。

附圖說明

構成說明書的一部分的附圖描述了本發明的實施例，并且連同描述一起用于解釋本發明的原理。

參照附圖，根據下面的詳細描述，可以更加清楚地理解本發明，其中：