[發明專利]圖像的增量聚類方法、裝置、電子設備及存儲介質

有效

• 申請號: 202011185911.8
• 申請日: 2020-10-30
• 公開（公告）號: CN112257801B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 劉凱鑒;余世杰;陳浩彬;陳大鵬;趙瑞
• 申請（專利權）人: 浙江商湯科技開發有限公司
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/74;G06K9/62
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;董文俊

本申請提供了一種圖像的增量聚類方法、裝置、電子設備及存儲介質，其中，該方法通過獲取第一圖像數據集的第一聚類簇；將所述第一聚類簇分割為M個第一子簇，并獲取所述M個第一子簇中每個第一子簇對應的第一聚類中心；所述M為大于或等于1的整數；獲取第二圖像數據集，利用所述第一聚類中心將所述第二圖像數據集與所述第一聚類簇合并，從而有利于解決增量式聚類中因聚類中心發生漂移影響聚類效果的問題。

技術領域

本申請涉及計算機視覺技術領域，尤其涉及一種圖像的增量聚類方法、裝置、電子設備及存儲介質。

背景技術

深度學習的發展極大地推動了圖像處理技術的進步，以人臉識別為例，通過有監督學習得到的人臉識別模型在識別精度上有了質的飛躍，然而在面對爆炸式增長的無標簽圖像數據時，如何準確而快速地進行分類，仍是一個值得討論和研究的問題。實際場景中，比如社交媒體、安防等，圖像往往是增量式產生，因此增量聚類在解決分類問題中有著廣泛的應用，傳統的增量式聚類需要維護一些第一聚類簇，但是不同的簇稀疏程度不同，隨著增量式聚類的不斷推移，聚類中心發生漂移的可能性增大，聚類效果反而有所下降。

發明內容

針對上述問題，本申請提供了一種圖像的增量聚類方法、裝置、電子設備及存儲介質，有利于解決增量式聚類中因聚類中心發生漂移影響聚類效果的問題。

為實現上述目的，本申請實施例第一方面提供了一種圖像的增量聚類方法，該方法包括：

獲取第一圖像數據集的第一聚類簇；

將所述第一聚類簇分割為M個第一子簇，并獲取所述M個第一子簇中每個第一子簇對應的第一聚類中心；所述M為大于或等于1的整數；

獲取第二圖像數據集，利用所述第一聚類中心將所述第二圖像數據集與所述第一聚類簇合并。

結合第一方面，在一種可能的實施方式中，所述第一聚類簇包括第一聚類簇A、第一聚類簇B和第一聚類簇C；所述利用所述第一聚類中心將所述第二圖像數據集與所述第一聚類簇合并，包括：

在所述第二圖像數據集中包括多個圖像數據的情況下，對所述多個圖像數據進行聚類，得到孤立圖像數據和第二聚類簇；

利用所述第一聚類中心將所述孤立圖像數據與所述第一聚類簇A合并；以及，利用所述第一聚類中心將所述第二聚類簇與所述第一聚類簇B合并；

在所述第二圖像數據集中只存在單個圖像數據的情況下，利用所述第一聚類中心將所述單個圖像數據與所述第一聚類簇C合并。

結合第一方面，在一種可能的實施方式中，所述第一聚類簇存在對應的第二聚類中心；在利用所述第一聚類中心將所述第二圖像數據集與所述第一聚類簇合并之前，所述方法還包括：

利用所述第二聚類中心從所述第一聚類簇中確定出K個第一聚類簇。

結合第一方面，在一種可能的實施方式中，所述第二聚類簇存在對應的第三聚類中心；所述利用所述第二聚類中心從所述第一聚類簇中確定出K個第一聚類簇，包括：

獲取所述孤立圖像數據與所述第二聚類中心之間的第一相似度；

根據所述第一相似度從高到低對所述第一聚類簇進行排序得到第一聚類簇序列，選取所述第一聚類簇序列中前K個第一聚類簇；以及，

獲取所述第三聚類中心與所述第二聚類中心之間的第二相似度；

根據所述第二相似度從高到低對所述第一聚類簇進行排序得到第二聚類簇序列，選取所述第二聚類簇序列中前K個第一聚類簇；或者，

獲取所述單個圖像數據與所述第二聚類中心之間的第三相似度；

根據所述第三相似度從高到低對所述第一聚類簇進行排序得到第三聚類簇序列，選取所述第三聚類簇序列中前K個第一聚類簇。