[发明专利]对象分类方法、装置、电子设备及存储介质

权利要求书

1.一种对象分类方法，其特征在于，包括以下步骤：

获取N个对象的图像数据，并根据所述图像数据提取所述N个对象的同行关系来构建邻接矩阵；

根据所述图像数据提取所述N个对象的原始时空数据张量，所述原始时空数据张量包括时间维度以及空间维度的数据；

通过预设的第一卷积核对所述原始时空数据张量进行卷积操作，提取所述原始时空数据张量在时间维度上的空间特征；

通过预设的第二卷积核对所述原始时空数据张量进行卷积操作，提取所述原始时空数据张量在空间维度上的时间特征；

根据所述空间特征以及时间特征，确定所述N个对象的时空数据张量；

将所述邻接矩阵与所述时空数据张量输入到预设的图卷积神经网络进行分类预测，得到所述N个对象的分类结果。

2.如权利要求1所述的方法，其特征在于，所述通过预设的第一卷积核对所述原始时空数据张量进行卷积操作，提取所述原始时空数据张量在时间维度上的空间特征，包括：

获取预先训练的K₁个第一卷积核，其中，所述第一卷积核包括与第一时间维度与第一空间维度，所述第一时间维度与原始时空数据张量的时间维度在同一方向，所述第一空间维度与原始时空数据张量的空间维度在同一方向，且所述第一时间维度小于所述原始时空数据张量的时间维度，所述第一空间维度等于所述原始时空数据张量的空间维度；

通过所述K₁个第一卷积核在所述原始时空数据张量的时间维度上以预设卷积步长进行卷积操作，得到K₁个空间特征；

基于所述K₁个空间特征，计算得到所述原始时空数据张量在时间维度上的空间特征。

3.如权利要求2所述的方法，其特征在于，所述通过预设的第二卷积核对所述原始时空数据张量进行卷积操作，提取所述原始时空数据张量在空间维度上的时间特征，包括：

获取预先训练的K₂个第二卷积核，其中，所述第二卷积核包括与第二时间维度与第二空间维度，所述第二时间维度与原始时空数据张量的时间维度在同一方向，所述第二空间维度与原始时空数据张量的空间维度在同一方向，且所述第二时间维度等于所述原始时空数据张量的时间维度，所述第二空间维度小于所述原始时空数据张量的空间维度；

通过所述K₂个第二卷积核在所述原始时空数据张量的空间维度上以预设卷积步长进行卷积操作，得到K₂个时间特征；

基于所述K₂个时间特征，计算得到所述原始时空数据张量在空间维度上的时间特征。

4.如权利要求1所述的方法，其特征在于，所述根据所述空间特征以及时间特征，确定所述N个对象的时空数据张量，包括：

将所述空间特征与所述时间特征在维度上进行对齐，得到对齐后的空间特征和时间特征；

将所述对齐后的空间特征和时间特征进行拼接，得到所述N个对象的时空数据张量。

5.如权利要求1至4任一所述的方法，其特征在于，所述图卷积神经网络至少包括预先训练好的第一权重矩阵与第二权重矩阵，所述第一权重矩阵与的第二权重矩阵包括有类别分布信息，所述将所述邻接矩阵与所述时空数据张量输入到预先训练好的图卷积神经网络进行分类预测，得到所述N个对象的分类结果，包括：

根据所述邻接矩阵、所述时空数据张量以及所述第一权重矩阵，计算得到第一结果矩阵；

根据所述邻接矩阵、所述第一结果矩阵以及所述第二权重矩阵，计算得到类别分布矩阵；

根据所述类别分布矩阵，确定所述N个对象的分类结果。

6.如权利要求5所述的方法，其特征在于，所述根据所述邻接矩阵、所述时空数据张量以及所述第一权重矩阵，计算得到第一结果矩阵，包括：

对所述邻接矩阵进行预处理，并根据预处理后得到的邻接矩阵、所述时空数据张量以及所述第一权重矩阵，计算得到第一结果矩阵；

所述根据预处理后得到的邻接矩阵、所述第一结果矩阵以及所述第二权重矩阵，计算得到类别分布矩阵，包括：

根据所述根据预处理后得到的邻接矩阵、所述第一结果矩阵以及所述第二权重矩阵，计算得到类别分布矩阵。