[發明專利]對象分類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010816697.5
• 申請日: 2020-08-14
• 公開（公告）號: CN112132175A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 余意
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 深圳驛航知識產權代理事務所(普通合伙) 44605
• 代理人: 楊倫

1.一種對象分類方法，其特征在于，包括以下步驟：

獲取N個對象的圖像數據，并根據所述圖像數據提取所述N個對象的同行關系來構建鄰接矩陣；

根據所述圖像數據提取所述N個對象的原始時空數據張量，所述原始時空數據張量包括時間維度以及空間維度的數據；

通過預設的第一卷積核對所述原始時空數據張量進行卷積操作，提取所述原始時空數據張量在時間維度上的空間特征；

通過預設的第二卷積核對所述原始時空數據張量進行卷積操作，提取所述原始時空數據張量在空間維度上的時間特征；

根據所述空間特征以及時間特征，確定所述N個對象的時空數據張量；

將所述鄰接矩陣與所述時空數據張量輸入到預設的圖卷積神經網絡進行分類預測，得到所述N個對象的分類結果。

2.如權利要求1所述的方法，其特征在于，所述通過預設的第一卷積核對所述原始時空數據張量進行卷積操作，提取所述原始時空數據張量在時間維度上的空間特征，包括：

獲取預先訓練的K₁個第一卷積核，其中，所述第一卷積核包括與第一時間維度與第一空間維度，所述第一時間維度與原始時空數據張量的時間維度在同一方向，所述第一空間維度與原始時空數據張量的空間維度在同一方向，且所述第一時間維度小于所述原始時空數據張量的時間維度，所述第一空間維度等于所述原始時空數據張量的空間維度；

通過所述K₁個第一卷積核在所述原始時空數據張量的時間維度上以預設卷積步長進行卷積操作，得到K₁個空間特征；

基于所述K₁個空間特征，計算得到所述原始時空數據張量在時間維度上的空間特征。

3.如權利要求2所述的方法，其特征在于，所述通過預設的第二卷積核對所述原始時空數據張量進行卷積操作，提取所述原始時空數據張量在空間維度上的時間特征，包括：

獲取預先訓練的K₂個第二卷積核，其中，所述第二卷積核包括與第二時間維度與第二空間維度，所述第二時間維度與原始時空數據張量的時間維度在同一方向，所述第二空間維度與原始時空數據張量的空間維度在同一方向，且所述第二時間維度等于所述原始時空數據張量的時間維度，所述第二空間維度小于所述原始時空數據張量的空間維度；

通過所述K₂個第二卷積核在所述原始時空數據張量的空間維度上以預設卷積步長進行卷積操作，得到K₂個時間特征；

基于所述K₂個時間特征，計算得到所述原始時空數據張量在空間維度上的時間特征。

4.如權利要求1所述的方法，其特征在于，所述根據所述空間特征以及時間特征，確定所述N個對象的時空數據張量，包括：

將所述空間特征與所述時間特征在維度上進行對齊，得到對齊后的空間特征和時間特征；

將所述對齊后的空間特征和時間特征進行拼接，得到所述N個對象的時空數據張量。

5.如權利要求1至4任一所述的方法，其特征在于，所述圖卷積神經網絡至少包括預先訓練好的第一權重矩陣與第二權重矩陣，所述第一權重矩陣與的第二權重矩陣包括有類別分布信息，所述將所述鄰接矩陣與所述時空數據張量輸入到預先訓練好的圖卷積神經網絡進行分類預測，得到所述N個對象的分類結果，包括：

根據所述鄰接矩陣、所述時空數據張量以及所述第一權重矩陣，計算得到第一結果矩陣；

根據所述鄰接矩陣、所述第一結果矩陣以及所述第二權重矩陣，計算得到類別分布矩陣；

根據所述類別分布矩陣，確定所述N個對象的分類結果。

6.如權利要求5所述的方法，其特征在于，所述根據所述鄰接矩陣、所述時空數據張量以及所述第一權重矩陣，計算得到第一結果矩陣，包括：

對所述鄰接矩陣進行預處理，并根據預處理后得到的鄰接矩陣、所述時空數據張量以及所述第一權重矩陣，計算得到第一結果矩陣；

所述根據預處理后得到的鄰接矩陣、所述第一結果矩陣以及所述第二權重矩陣，計算得到類別分布矩陣，包括：

根據所述根據預處理后得到的鄰接矩陣、所述第一結果矩陣以及所述第二權重矩陣，計算得到類別分布矩陣。