[發(fā)明專利]用于聚類圖像的方法和裝置

有效

• 申請?zhí)枺?/td>: 201810060006.6
• 申請日: 2018-01-22
• 公開（公告）號: CN108280477B
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 車麗美;翁仁亮
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達佐;馬曉亞

本申請實施例公開了用于聚類圖像的方法和裝置。該方法的一具體實施方式包括：獲取多個用戶圖像中，每個用戶圖像的用于指示人臉特征的特征向量；根據(jù)所獲取的特征向量，對多個用戶圖像進行聚類；基于預(yù)先訓(xùn)練的聚類結(jié)果評價模型確定聚類結(jié)果中各類的評價指標(biāo)數(shù)據(jù)，聚類結(jié)果評價模型用于表征聚類結(jié)果中，各個類與評價指標(biāo)數(shù)據(jù)的對應(yīng)關(guān)系，評價指標(biāo)數(shù)據(jù)用于指示聚類結(jié)果的準(zhǔn)確率；響應(yīng)于確定出的評價指標(biāo)數(shù)據(jù)的值超出預(yù)設(shè)范圍，更新聚類參數(shù)以基于更新后的聚類參數(shù)對用戶圖像進行聚類。該實施方式提高了圖像聚類的準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請實施例涉及計算機技術(shù)領(lǐng)域，尤其涉及用于聚類圖像的方法和裝置。

背景技術(shù)

聚類是指根據(jù)數(shù)據(jù)的內(nèi)在性質(zhì)將數(shù)據(jù)分成一些聚合類，每一聚合類中的元素盡可能具有相同的特性，不同聚合類之間的特性差別盡可能大。

目前，對于圖像的聚類通常采用的方式為無監(jiān)督的聚類，即在聚類時中不會評價聚類結(jié)果，以對聚類操作進行動態(tài)調(diào)優(yōu)。

發(fā)明內(nèi)容

本申請實施例提出了用于聚類圖像的方法和裝置。

第一方面，本申請實施例提供了一種用于聚類圖像的方法，該方法包括：獲取多個用戶圖像中，每個用戶圖像的用于指示人臉特征的特征向量；根據(jù)所獲取的特征向量，對多個用戶圖像進行聚類；基于預(yù)先訓(xùn)練的聚類結(jié)果評價模型確定聚類結(jié)果中各類的評價指標(biāo)數(shù)據(jù)，聚類結(jié)果評價模型用于表征聚類結(jié)果中，各個類與評價指標(biāo)數(shù)據(jù)的對應(yīng)關(guān)系，評價指標(biāo)數(shù)據(jù)用于指示聚類結(jié)果的準(zhǔn)確率；響應(yīng)于確定出的評價指標(biāo)數(shù)據(jù)的值超出預(yù)設(shè)范圍，更新聚類參數(shù)以基于更新后的聚類參數(shù)對用戶圖像進行聚類。

在一些實施例中，基于預(yù)先訓(xùn)練的聚類結(jié)果評價模型確定聚類結(jié)果中各類的評價指標(biāo)數(shù)據(jù)，包括：獲取類的中心點特征向量和預(yù)設(shè)數(shù)目個類的輪廓點特征向量，中心點特征向量用于表征類中心，輪廓點特征向量用于表征聚類邊界；根據(jù)中心點特征向量和輪廓點特征向量建立協(xié)方差矩陣；確定協(xié)方差矩陣的特征向量；將協(xié)方差矩陣的特征向量輸入預(yù)先訓(xùn)練的聚類結(jié)果評價模型得到類的評價指標(biāo)數(shù)據(jù)。

在一些實施例中，類的中心點特征向量的坐標(biāo)為屬于該類的圖像的特征向量的坐標(biāo)的平均值。

在一些實施例中，每個類的輪廓點特征向量經(jīng)由以下步驟確定：將該類中的特征向量確定為備選特征向量；將所確定的備選特征向量中與類的中心點特征向量距離最遠的備選特征向量確定為輪廓點特征向量，并加入輪廓點特征向量集合；重復(fù)執(zhí)行以下步驟，直到輪廓點特征向量集合中輪廓點特征向量的數(shù)目達到預(yù)設(shè)數(shù)目：將與類的中心點特征向量的距離和與輪廓點特征向量集合中的各輪廓點特征向量的距離之和最大的備選特征向量確定為輪廓點特征向量，并加入輪廓點特征向量集合。

在一些實施例中，聚類結(jié)果評價模型是基于預(yù)先構(gòu)造的具有不同準(zhǔn)確率的類進行訓(xùn)練得到的。

第二方面，本申請實施例提供了一種用于聚類圖像的裝置，該裝置包括：獲取單元，用于獲取多個用戶圖像中，每個用戶圖像的用于指示人臉特征的特征向量；第一聚類單元，用于根據(jù)所獲取的特征向量，對多個用戶圖像進行聚類；第一確定單元，用于基于預(yù)先訓(xùn)練的聚類結(jié)果評價模型確定聚類結(jié)果中各類的評價指標(biāo)數(shù)據(jù)，聚類結(jié)果評價模型用于表征聚類結(jié)果中，各個類與評價指標(biāo)數(shù)據(jù)的對應(yīng)關(guān)系，評價指標(biāo)數(shù)據(jù)用于指示聚類結(jié)果的準(zhǔn)確率；第二聚類單元，用于響應(yīng)于確定出的評價指標(biāo)數(shù)據(jù)的值超出預(yù)設(shè)范圍，更新聚類參數(shù)以基于更新后的聚類參數(shù)對用戶圖像進行聚類。

在一些實施例中，第一確定單元，包括：獲取子單元，用于獲取類的中心點特征向量和預(yù)設(shè)數(shù)目個類的輪廓點特征向量，中心點特征向量用于表征類中心，輪廓點特征向量用于表征聚類邊界；建立子單元，用于根據(jù)中心點特征向量和輪廓點特征向量建立協(xié)方差矩陣；確定子單元，用于確定協(xié)方差矩陣的特征向量；輸入子單元，用于將協(xié)方差矩陣的特征向量輸入預(yù)先訓(xùn)練的聚類結(jié)果評價模型得到類的評價指標(biāo)數(shù)據(jù)。

在一些實施例中，類的中心點特征向量的坐標(biāo)為屬于該類的圖像的特征向量的坐標(biāo)的平均值。