[发明专利]图神经网络处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图神经网络处理方法，其特征在于，包括下述步骤：

获取有标签图像以及无标签图像；

对所述有标签图像进行混类增强，得到带有标签的第一增广图像；

根据所述有标签图像和所述第一增广图像对初始图神经网络进行训练，得到中继图神经网络；

根据所述有标签图像和所述第一增广图像对所述无标签图像进行混类增强，得到与所述无标签图像相关联的第二增广图像；

将所述无标签图像和所述第二增广图像输入所述中继图神经网络，分别得到所述无标签图像和所述第二增广图像的预测结果；

根据所述预测结果的置信度，确定所述无标签图像和所述第二增广图像各自的伪标签；

根据所述有标签图像、所述第一增广图像、带有伪标签的所述无标签图像和带有伪标签的所述第二增广图像对所述中继图神经网络进行训练，得到图神经网络；

所述根据所述预测结果的置信度，确定所述无标签图像和所述第二增广图像各自的伪标签的步骤包括：

根据所述无标签图像和各第二增广图像的预测结果的置信度，确定所述无标签图像和所述各第二增广图像的标签计算权重；

根据得到的标签计算权重和预测结果，计算所述无标签图像的伪标签；

基于所述无标签图像的伪标签，确定与所述无标签图像相关联的第二增广图像的伪标签；

其中，所述无标签图像的伪标签由所述标签计算权重和所述预测结果按照预设的权重算法计算得到，所述权重算法公式如下：；

其中，为无标签图像，为对进行混类增强后，得到的K个第二增广图像；为无标签图像的伪标签；为无标签图像的预测结果；与无标签图像相关联的各第二增广图像的预测结果；为无标签图像的标签计算权重；为与无标签图像相关联的各第二增广图像的标签计算权重的累加和；为无标签图像的预测结果及其标签计算权重的乘积；为与无标签图像相关联的各第二增广图像的预测结果及其标签计算权重的累加和。

2.根据权利要求1所述的图神经网络处理方法，其特征在于，所述获取有标签图像以及无标签图像的步骤之前，还包括：

根据图神经网络训练指令，获取初始有标签图像和初始无标签图像；

将所述初始有标签图像输入图网络编码器得到基于隐藏层表示的有标签图像；

将所述初始无标签图像输入所述图网络编码器得到基于隐藏层表示的无标签图像。

3.根据权利要求1所述的图神经网络处理方法，其特征在于，所述对所述有标签图像进行混类增强，得到带有标签的第一增广图像包括：

对获取到的有标签图像进行组合，得到待混类图像对；

对于每个待混类图像对，从预设的贝塔分布中获取待混类图像对的融合比例；

根据所述融合比例对所述待混类图像对中的有标签图像进行线性插值混合得到第一增广图像，并根据所述融合比例对所述有标签图像的标签进行线性插值混合，得到所述第一增广图像的标签。

4.根据权利要求1所述的图神经网络处理方法，其特征在于，所述根据所述有标签图像、所述第一增广图像、带有伪标签的所述无标签图像和带有伪标签的所述第二增广图像对所述中继图神经网络进行训练，得到图神经网络的步骤包括：

将带有伪标签的所述无标签图像和带有伪标签的所述第二增广图像划分为若干组伪标签图像集；

对于每个伪标签图像集，将伪标签图像集与所述有标签图像和所述第一增广图像相组合，得到训练集；

根据各训练集对所述中继图神经网络进行训练，得到图神经网络。

5.根据权利要求4所述的图神经网络处理方法，其特征在于，所述根据各训练集对所述中继图神经网络进行训练，得到图神经网络的步骤包括：

对于每个训练集，根据训练集对所述中继图神经网络进行第一训练；

获取预设的验证样本集，所述验证样本集包括若干带有标签的验证图像；

将所述验证样本集输入第一训练后的所述中继图神经网络，以获取所述中继图神经网络的精度评估信息；

当所述精度评估信息符合预设的精度评估条件时，将所述训练集确定为第二训练集；

根据各第二训练集对所述中继图神经网络进行第二训练，得到图神经网络。