[发明专利]向量分库方法、装置、设备及存储介质

说明书

本发明提供了一种向量分库方法、装置、设备及存储介质，其中，方法包括，对训练模型内的所有注册向量建立锚点；根据所述锚点对相识度在预设范围内的所述注册向量进行分库，并对每个分库进行分库编号，以获得多个第一分库编号；获得输入向量的第二分库编号，将所述输入向量与所述第二分库编号相同的第一分库编号对应的分库判定为目标分库，再将所述输入向量与所述目标分库内的所述注册向量进行相识度计算。上述一种向量分库方法，计算时只需计算一个含有注册向量很少的目标分库，提高了计算速度。

技术领域

本发明涉及智能识别技术领域，特别涉及一种向量分库方法、装置、设备及存储介质。

背景技术

现有的人脸识别，声纹识别等都主要以神经网络进行模型训练，其最终输出都是向量的形式。两个人脸或声纹的相似度是以表征的向量间进行相似度计算。

现有的计算方式有欧式距离，cosine，plda等，当进行1:N检索的时候，即用一个向量库中的向量做相似度计算时，当库中的数据量非常大的时候(几万以上)，进行相似度计算就会非常耗时。

发明内容

本发明的目的是提供一种向量分库方法、装置、设备及存储介质，以解决现有的人脸或声纹的相似度的计算方式非常耗时的问题，实现计算快速的有益效果。

本发明提供了一种向量分库方法，包括：对训练模型内的所有注册向量建立锚点；根据所述锚点对相识度在预设范围内的所述注册向量进行分库，并对每个分库进行分库编号，以获得多个第一分库编号；获得输入向量的第二分库编号，将所述输入向量与所述第二分库编号相同的第一分库编号对应的分库判定为目标分库，再将所述输入向量与所述目标分库内的所述注册向量进行相识度计算。

进一步地，所述对训练模型内的所有注册向量建立锚点的步骤包括：

利用聚类算法，计算出n个中心点，并将处于n个中心点的所述注册向量组成矩阵N，其中n的范围在10-10000之间。

进一步地，所述根据所述锚点对相识度在预设范围内的所述注册向量进行分库，并对每个分库进行分库编号的步骤包括：

对所述注册向量和矩阵N进行计算，将最相似的一个或多个的所述注册向量的序号作为该注册向量的分库编号，以获得多个第一分库编号。

进一步地，所述聚类算法为k-means算法。

进一步地，所述对所述注册向量和矩阵N进行计算的步骤包括：

根据公式计算出锚点上的所述注册向量与其他所述注册向量的相识度，其中矩阵N是多个锚点上的所述注册向量组成，m是一个锚点上的所述注册向量，x是任意注册向量。

本发明还提供了一种向量分库装置，包括：锚点建立模块，用于对训练模型内的所有注册向量建立锚点；分库模块，用于根据所述锚点对相识度在预设范围内的所述注册向量进行分库，并对每个分库进行分库编号，以获得多个第一分库编号；检索计算模块，用于获得输入向量的第二分库编号，将所述输入向量与所述第二分库编号相同的第一分库编号对应的分库判定为目标分库，再将所述输入向量与所述目标分库内的所述注册向量进行相识度计算。

进一步地，所述分库模块还包括聚类算法子模块，用于计算出n个中心点，并将处于n个中心点的所述注册向量组成矩阵N。

进一步地，所述分库模块还包括：计算子模块，用于对所述注册向量和矩阵N进行计算；编号子模块，用于将最相似的一个或多个的所述注册向量的序号作为该注册向量的分库编号，以获得多个第一分库编号。

本发明还提供了一种向量分库设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如上述任一所述的向量分库方法。