[發明專利]聚類中心確定方法、裝置和設備及計算機存儲介質

在審

• 申請號: 202110298057.4
• 申請日: 2021-03-19
• 公開（公告）號: CN113704528A
• 公開（公告）日: 2021-11-26
• 發明（設計）人: 郭卉
• 申請（專利權）人: 騰訊科技（北京）有限公司
• 主分類號: G06F16/55
• 分類號: G06F16/55;G06F16/532;G06F16/583;G06F16/732;G06F16/75;G06F16/783;G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

1.一種聚類中心確定方法，其特征在于，所述方法包括：

獲取圖像樣本集合，并基于所述圖像樣本集合，采用圖像聚類模型進行多輪聚類，直到滿足預設的收斂條件為止，其中，一輪聚類中包括以下操作：

對所述圖像樣本集合中的各個圖像樣本分別進行特征編碼，基于編碼結果獲得相應的多個特征表示向量，以及確定特征表示損失值；

對所述多個特征表示向量進行聚類，并基于聚類結果確定聚類損失值；

基于所述特征表示損失值和所述聚類損失值確定所述圖像聚類模型未收斂時，對所述圖像聚類模型進行參數調整；

輸出最后一輪聚類獲得的聚類結果包含的多個聚類中心向量，一個聚類中心向量對應一個圖像類別。

2.如權利要求1所述的方法，其特征在于，對所述圖像樣本集合中的各個圖像樣本分別進行特征編碼，基于編碼結果獲得相應的多個特征表示向量，包括：

針對所述各個圖像樣本，分別進行至少一次基礎特征提取，獲得相應的基礎特征向量；

分別對獲得的各個基礎特征向量進行特征壓縮，獲得所述各個圖像樣本各自對應的特征表示向量。

3.如權利要求1所述的方法，其特征在于，在基于所述圖像樣本集合，采用圖像聚類模型進行多輪聚類之前，所述方法還包括：

基于所述圖像樣本集合構造多個圖像樣本組，每個圖像樣本組包括至少兩個圖像樣本，以及包括所述至少兩個圖像樣本之間的標注相似度；

則所述確定特征表示損失值，包括：

針對所述多個圖像樣本組，分別執行以下操作：基于所述多個圖像樣本組內的一個圖像樣本組包括的至少兩個圖像樣本的特征表示向量，獲得所述至少兩個圖像樣本之間的預測相似度，并將獲得的預測相似度與相應的標注相似度進行比較，獲得相應的比較結果；

根據針對所述各個圖像樣本組獲得的各個比較結果，確定所述特征表示損失值。

4.如權利要求1所述的方法，其特征在于，在基于所述圖像樣本集合，采用圖像聚類模型進行多輪聚類之前，所述方法還包括：

基于所述圖像樣本集合構造多個圖像樣本組，每個圖像樣本組包括第一圖像樣本、第二圖像樣本和第三圖像樣本，且每個圖像樣本組中所述第一圖像樣本與所述第二圖像樣本之間的相似度不小于預設的相似度閾值，以及所述第一圖像樣本與所述第三圖像樣本之間的相似度小于所述相似度閾值；

則所述確定特征表示損失值，包括：

針對所述多個圖像樣本組，分別執行以下操作：在所述至少一個圖像樣本組內的一個圖像樣本組中，獲取第一圖像樣本與第二圖像樣本之間的第一相似度，以及獲取第一圖像樣本與第三圖像樣本之間的第二相似度，并基于所述第一相似度和所述第二相似度，獲得所述一個圖像樣本組對應的三元組損失值；

基于獲得的各個圖像樣本組各自對應的三元組損失值，獲得所述特征表示損失值。

5.如權利要求4所述的方法，其特征在于，所述對所述多個特征表示向量進行聚類，包括：

從所述多個特征表示向量中，選取所述多個圖像樣本組中第一圖像樣本與第三圖像樣本對應的至少一個特征表示向量；

對所述至少一個特征表示向量進行聚類。

6.如權利要求4所述的方法，其特征在于，所述對所述多個特征表示向量進行聚類，并根據聚類結果確定聚類損失值，包括：

針對所述多個特征表示向量，分別執行以下操作：

將所述多個特征表示向量中的一個特征表示向量，分別映射到各個圖像類別，獲得相應的圖像類別向量；其中，所述圖像類別向量中的每個元素對應于一個圖像類別，每個元素的取值表征所述一個特征表示向量對應的圖像樣本是否屬于相應圖像類別；

將所述圖像類別向量，與上一輪聚類中針對所述一個特征表示向量對應的圖像樣本確定的圖像類別向量進行比較，獲得比較結果；

基于針對所述多個特征表示向量獲得的多個比較結果，確定所述聚類損失值。