图像聚类方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种图像聚类方法、装置、存储介质及电子设备，以减少图像聚类的误报情况，提高图像聚类准确性。其中，该方法包括：获取待分类的图像集；确定所述图像集中每张图像的特征向量；针对每两个所述特征向量执行如下操作：确定第一特征向量和第二特征向量间的相似度，确定所述第一特征向量与所述第一特征向量对应的相似特征向量间的平均距离，确定所述第一特征向量和所述第二特征向量在预设维度下的特征信息，根据所述平均距离和/或所述特征信息调整所述相似度，得到所述第一特征向量与所述第二特征向量间的目标相似度；根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类结果。聚类结果。聚类结果。

【技术实现步骤摘要】
图像聚类方法、装置、存储介质及电子设备


[0001]本公开涉及图像处理
，具体地，涉及一种图像聚类方法、装置、存储介质及电子设备。

技术介绍

[0002]人脸识别模型的训练往往依赖于标注好的人脸数据集。
[0003]相关技术可以通过聚类模型对多张人脸图像进行聚类，确定出属于同一个人的人脸图像，从而得到用于训练人脸识别模型的人脸数据集。但是，相关技术中的聚类方式针对不同类型人脸图像的聚类结果不稳定，比如针对模糊图像或小孩图像会产生大量的误报，从而导致聚类结果中同一个人对应的图像簇中包括其他人的人脸图像，影响聚类准确性，进而影响人脸识别的准确性。

技术实现思路

[0004]提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]第一方面，本公开提供一种图像聚类方法，所述方法包括：
[0006]获取待分类的图像集；
[0007]确定所述图像集中每张图像的特征向量；
[0008]针对每两个所述特征向量执行如下操作：确定第一特征向量和第二特征向量间的相似度，确定所述第一特征向量与所述第一特征向量对应的相似特征向量间的平均距离，确定所述第一特征向量和所述第二特征向量在预设维度下的特征信息，根据所述平均距离和/或所述特征信息调整所述相似度，得到所述第一特征向量与所述第二特征向量间的目标相似度，其中，任一特征向量对应的相似特征向量为所述图像集对应的所有特征向量中与所述特征向量的相似度大于预设相似度的特征向量；
[0009]根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类结果。
[0010]第二方面，本公开提供一种图像聚类装置，所述装置包括：
[0011]获取模块，用于获取待分类的图像集；
[0012]第一确定模块，用于确定所述图像集中每张图像的特征向量；
[0013]调整模块，用于针对每两个所述特征向量执行如下操作：确定第一特征向量和第二特征向量间的相似度，确定所述第一特征向量与所述第一特征向量对应的相似特征向量间的平均距离，确定所述第一特征向量和所述第二特征向量在预设维度下的特征信息，根据所述平均距离和/或所述特征信息调整所述相似度，得到所述第一特征向量与所述第二特征向量间的目标相似度，其中，任一特征向量对应的相似特征向量为所述图像集对应的所有特征向量中与所述特征向量的相似度大于预设相似度的特征向量；
[0014]聚类模块，用于根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类
结果。
[0015]第三方面，本公开提供一种非临时性计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。
[0016]第四方面，本公开提供一种电子设备，包括：
[0017]存储装置，其上存储有计算机程序；
[0018]处理装置，用于执行所述存储装置中的所述计算机程序，以实现第一方面中所述方法的步骤。
[0019]通过上述技术方案，可以根据平均距离和/或预设维度下的特征信息调整每两个特征向量之间的相似度，得到目标相似度进行图像聚类。其中，平均距离可以表征特征向量与整个图像集对应的其他特征向量的偏离程度，特征信息可以表征每两个特征向量之间的关联程度，因此本公开实施例通过平均距离和/或特征信息调整相似度，可以得到更准确的用于图像聚类的相似度信息。由此，在对不同分布的图像集聚类时，可以自动校准相似度信息，减少误报情况，从而提高图像聚类的准确性。
[0020]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0021]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
[0022]图1是相关技术中人脸图像聚类方法的过程示意图；
[0023]图2是根据相关技术进行人脸图像聚类的一结果示意图；
[0024]图3是根据相关技术进行人脸图像聚类的另一结果示意图；
[0025]图4是根据本公开一示例性实施例示出的一种图像聚类方法的流程图；
[0026]图5是根据本公开一示例性实施例示出的一种图像聚类方法的过程示意图；
[0027]图6是根据本公开一示例性实施例示出的一种图像聚类装置的框图；
[0028]图7是根据本公开一示例性实施例示出的一种电子设备的框图。
具体实施方式
[0029]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0030]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0031]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0032]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。另外需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0033]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0034]可以理解的是，在使用本公开各实施例公开的技术方案之前，均应当依据相关法律法规通过恰当的方式对本公开所涉及个人信息的类型、使用范围、使用场景等告知用户并获得用户的授权。
[0035]例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确地提示用户，其请求执行的操作将需要获取和使用到用户的个人信息。从而，使得用户可以根据提示信息来自主地选择是否向执行本公开技术方案的操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
[0036]作为一种可选的但非限定性的实现方式，响应于接收到用户的主动请求，向用户发送提示信息的方式例如可以是弹窗的方式，弹窗中可以以文字的方式呈现提示信息。此外，弹窗中还可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像聚类方法，其特征在于，所述方法包括：获取待分类的图像集；确定所述图像集中每张图像的特征向量；针对每两个所述特征向量执行如下操作：确定第一特征向量和第二特征向量间的相似度，确定所述第一特征向量与所述第一特征向量对应的相似特征向量间的平均距离，确定所述第一特征向量和所述第二特征向量在预设维度下的特征信息，根据所述平均距离和/或所述特征信息调整所述相似度，得到所述第一特征向量与所述第二特征向量间的目标相似度，其中，任一特征向量对应的相似特征向量为所述图像集对应的所有特征向量中与所述特征向量的相似度大于预设相似度的特征向量；根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类结果。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述图像集中图像的总数量，并根据所述总数量和预设精准率，确定第一误报率；根据所述第一误报率以及分类阈值与误报率间的对应关系，确定第一分类阈值，所述对应关系用于表征所述分类阈值与所述误报率负相关；所述根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类结果，包括：将所述图像集中每两张图像对应的所述目标相似度与所述第一分类阈值进行比对，得到聚类结果。3.根据权利要求2所述的方法，其特征在于，所述分类阈值与误报率间的对应关系通过如下方式得到：确定所述图像集的图像子集以及用于对所述图像子集进行聚类的测试分类阈值；根据所述测试分类阈值对所述图像子集进行聚类，得到所述图像子集的聚类结果，并根据所述图像子集的聚类结果，确定测试误报率；根据所述测试分类阈值和所述测试误报率，得到分类阈值与误报率间的对应关系。4.根据权利要求1所述的方法，其特征在于，所述根据所述平均距离调整所述相似度，得到所述第一特征向量与所述第二特征向量间的目标相似度，包括：确定所述图像集对应的所有特征向量与其对应的相似特征向量的距离均值，并将所述平均距离减去所述距离均值，得到第一调整值，所述距离均值为目标平均距离的均值，所述目标平均距离为所述图像集中每张图像对应的特征向量与该特征向量对应的相似特征向量间的平均距离；将所述相似度减去所述第一调整值，得到所述第一特征向量和所述第二特征向量间的目标相似度。5.根据权利要求4所述的方法，其特征在于，所述将所述平均距离减去所述距离均值，得到第一调整值，包括：当所述平均距离大于预设距离阈值时，将所述平均距离减去所述距离均值，得到第一调整值；所述方法还包括：当所述平均距离小于等于所述预设距离阈值时，将预设调整值作为所述第一调整值。6.根据权利要求4或5所述的方法，其特征在于，所述根据所述目标相似度对所述图像集中的图像进行聚类，得到聚类结果，包括：
当所述第一特征向量与所述第二特征向量具有相同的所述特征信息时，确定所述图像集中具有所述特征信息的目标图像的数量；根据所述目标图像的数量和预设精准率，确定第二误报率，并根据所述第二误报率和分类阈值与误报率之间的对应关系，确定第二分类阈值，所述对应关系用于表征所述分类阈值与所述误报率负相关；将所述图像集中图像对应的所述目标相似度与所述第二分类阈值进行比对，得到聚类结果。7.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息调整所述...

【专利技术属性】
技术研发人员：施之望，郭明宇，冉蛟，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：