[发明专利]图像聚类方法、装置、计算机设备及存储介质有效
申请号: | 201810653849.7 | 申请日: | 2018-06-22 |
公开(公告)号: | CN108875834B | 公开(公告)日: | 2019-08-20 |
发明(设计)人: | 吴丽军;杨帆 | 申请(专利权)人: | 北京达佳互联信息技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京市立方律师事务所 11330 | 代理人: | 刘延喜 |
地址: | 100084 北京市海淀区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 样本图像 分类图像 相似度 计算机设备 存储介质 分类结果 图像聚类 关联度 分类 相似度计算 阈值时 比对 聚类 预设 多样性 关联 干预 | ||
1.一种图像聚类方法,其特征在于,包括下述步骤:
获取待分类图像与样本图像之间的相似度;
将所述相似度与预设阈值列表中的当前轮值阈值进行比对;
当所述相似度大于所述当前轮值阈值时,将所述待分类图像归集至所述样本图像所表征的聚类列表中;
获取所述聚类列表中图像的数目;
将所述图像的数目与预设的极限阈值进行比对;
当所述图像的数目大于所述极限阈值时,释放所述聚类列表中的所有图像至待分类列表中;
确认排列在所述当前轮值阈值下一位的轮值阈值为分类阈值,其中,所述下一位的轮值阈值大于所述当前轮值阈值;
以所述分类阈值为限定条件对所述待分类列表中的图像进行聚类。
2.根据权利要求1所述的图像聚类方法,其特征在于,当阈值列表中的阈值替换至倒数第二位,且筛选的图像数量大于设定的所述极限阈值时,所述方法还包括下述步骤:
获取所述阈值列表中数值最大的轮值阈值;
将所述相似度大于所述数值最大的轮值阈值的待识别图像,聚类至所述样本图像所表征的聚类列表中。
3.根据权利要求1所述的图像聚类方法,其特征在于,获取待分类图像与样本图像之间的相似度的步骤之前,还包括下述步骤:
获取所述待分类图像;
将所述待分类图像输入到预设的PCA降维模型中,以将所述待分类图像降维至预设维度。
4.根据权利要求3所述的图像聚类方法,其特征在于,所述将所述待分类图像输入到预设的PCA降维模型中,以将所述待分类图像降维至预设维度的步骤之后,还包括下述步骤:
获取降维后的待分类图像;
将所述降维后的待分类图像输入到预设的相似度判断模型中,计算所述降维后的待分类图像与所述样本图像之间的关联度。
5.根据权利要求1所述的图像聚类方法,其特征在于,所述获取待分类图像与样本图像之间的相似度的步骤之前,还包括下述步骤:
获取用户列表,其中,所述用户列表中包括用户的流量信息;
以流量的数值为限定条件对所述用户列表中的用户进行降序排列;
由首位开始依次确认所述用户列表中用户的人脸图像为所述样本图像。
6.一种图像聚类装置,其特征在于,包括:
获取模块,用于获取待分类图像与样本图像之间的相似度;
处理模块,用于将所述相似度与预设阈值列表中的当前轮值阈值进行比对;
执行模块,用于当所述相似度大于所述当前轮值阈值时,将所述待分类图像归集至所述样本图像所表征的聚类列表中;
第一获取子模块,用于获取所述聚类列表中图像的数目;
第一处理子模块,用于将所述图像的数目与预设的极限阈值进行比对;
第一执行子模块,用于当所述图像的数目大于所述极限阈值时,释放所述聚类列表中的所有图像至待分类列表中;
第一确认子模块,用于确认排列在所述当前轮值阈值下一位的轮值阈值为分类阈值,其中,所述下一位的轮值阈值大于所述当前轮值阈值;
第一聚类子模块,用于以所述分类阈值为限定条件对所述待分类列表中的图像进行聚类。
7.根据权利要求6所述的图像聚类装置,其特征在于,所述图像聚类装置还包括:
第二获取子模块,用于获取所述阈值列表中数值最大的轮值阈值;
第二执行子模块,用于将所述相似度大于所述数值最大的轮值阈值的待识别图像,聚类至所述样本图像所表征的聚类列表中。
8.根据权利要求6所述的图像聚类装置,其特征在于,所述图像聚类装置还包括:
第三获取子模块,用于获取所述待分类图像;
第三执行子模块,用于将所述待分类图像输入到预设的PCA降维模型中,以将所述待分类图像降维至预设维度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京达佳互联信息技术有限公司,未经北京达佳互联信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810653849.7/1.html,转载请声明来源钻瓜专利网。