图池化方法、装置、设备以及存储介质制造方法及图纸

本申请实施例公开了一种图池化方法、装置、设备以及存储介质，该方法包括：获取待池化图特征表示，并将待池化图特征表示分割为多个子图特征表示，一个子图特征表示中包括待池化图特征表示中的一个或者多个维度的图特征表示；基于图神经网络模型确定各子图特征表示对应的图注意力输出特征，一个子图特征表示对应一个图注意力输出特征；基于各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示；根据待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，筛选出目标图特征，并基于目标图特征确定池化后的目标图特征表示。采用本发明专利技术实施例，可按维度分割图片特征后对图片进行池化，增加图池化效率。

【技术实现步骤摘要】
图池化方法、装置、设备以及存储介质
本申请涉及图片处理
，尤其涉及一种图池化方法、装置、设备以及存储介质。
技术介绍
池化(pooling)是一种降低原始输入的特征表示大小，通过更少的特征值表示现有输入的方法。图池化的目的是缩小原始输入图的表征尺寸，通常可以通过降低特征维度，或者删去某些节点和边来实现。现有技术中，图池化都是从拓扑层面减少整个图的尺寸来获得更紧凑的表示，使用图神经网络模型来获得节点过滤的权重相比于只使用节点特征去映射获得权重，考虑了节点之间的相互影响，要求神经网络模型的规模较大，计算数据量大，图池化效率低。
技术实现思路
本申请实施例提供一种图池化方法、装置、设备以及存储介质，可按维度分割图片特征后对图片进行池化，增加图池化效率。第一方面，本申请实施例提供一种图池化方法，该方法包括：获取待池化图特征表示，并将上述待池化图特征表示分割为多个子图特征表示，一个子图特征表示中包括上述待池化图特征表示中的一个或者多个维度的图特征表示；基于图神经网络模型确定各子图特征表示对应的图注意力输出特征，一个子图特征表示对应一个图注意力输出特征；基于上述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示，上述待筛选图特征表示中包括上述待池化图特征表示中的各个维度对应的特征表示；根据上述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从上述待筛选图特征中筛选出目标图特征，并基于上述目标图特征确定池化后的目标图特征表示。>结合第一方面，在一种可能的实施方式中，上述基于上述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示之后，上述方法还包括：利用权重函数对上述待筛选图特征表示中包括的各待筛选对象的特征表示进行计算，得到上述各待筛选对象的权重。结合第一方面，在一种可能的实施方式中，上述根据上述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从上述待筛选图特征中筛选出目标图特征包括：将上述待筛选图特征表示中包括的多个待筛选对象按照各待筛选对象的权重进行排序，将权重大于权重阈值的待筛选对象确定为目标对象；根据上述目标对象确定目标图特征；其中，上述待筛选对象包括节点和/或边。结合第一方面，在一种可能的实施方式中，上述根据上述目标对象，确定出上述目标图特征，包括：根据上述目标对象确定目标对象索引，基于上述目标对象索引生成目标对象掩膜；根据上述目标对象掩膜以及上述待筛选图特征表示确定目标图特征。结合第一方面，在一种可能的实施方式中，上述基于上述目标图特征确定池化后的目标图特征表示之后，上述方法还包括：基于上述池化后的目标图特征表示，确定池化后的目标图片并输出上述目标图片。结合第一方面，在一种可能的实施方式中，上述图神经网络模型包括：图卷积网络模型、图注意力网络模型、图自编码器模型、图生成网络模型和图时空网络模型中的一种或几种。第二方面，本申请实施例提供了一种图池化装置，该装置包括：特征获取模块，用于获取待池化图特征表示；特征分割模块，用于将上述待池化图特征表示分割为多个子图特征表示，一个子图特征表示中包括上述待池化图特征表示中的一个或者多个维度的图特征表示；特征训练模块，用于基于图神经网络模型确定出各子图特征表示对应的图注意力输出特征，一个子图特征表示对应一个图注意力输出特征；特征拼接模块，用于基于上述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示，上述待筛选图特征表示中包括上述待池化图特征表示中的各个维度对应的待筛选特征表示；特征筛选模块，用于根据上述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从上述待筛选图特征中筛选出目标图特征；特征表示模块，用于基于上述目标图特征确定池化后的目标图特征表示。结合第二方面，在一种可能的实施方式中，上述特征筛选模块还包括权重计算单元，用于利用权重函数对上述待筛选图特征表示中包括的各待筛选对象的特征表示进行计算，得到上述各待筛选对象的权重。结合第二方面，在一种可能的实施方式中，上述特征筛选模块还包括特征排序单元和特征确定单元。其中，上述特征排序单元用于将上述待筛选图特征表示中包括的多个待筛选对象按照各待筛选对象的权重进行排序，将权重大于权重阈值的待筛选对象确定为目标对象；上述特征确定单元用于根据上述目标对象确定目标图特征；其中，上述待筛选对象包括节点和/或边。结合第二方面，在一种可能的实施方式中，上述特征确定单元还包括掩膜确定子单元和特征确定子单元。其中，上述掩膜确定子单元用于根据上述目标对象确定目标对象索引，基于上述目标对象索引生成目标对象掩膜；上述特征确定子单元用于根据上述目标对象掩膜以及上述待筛选图特征表示确定目标图特征。结合第二方面，在一种可能的实施方式中，上述装置还包括目标读出模块，用于基于上述池化后的目标图特征表示，确定池化后的目标图片并输出上述目标图片。结合第二方面，在一种可能的实施方式中，上述特征训练模块中的图神经网络模型包括：图卷积网络模型、图注意力网络模型、图自编码器模型、图生成网络模型和图时空网络模型中的一种或几种。第三方面，本申请实施例提供了一种终端设备，该设备包括处理器和存储器，该处理器和存储器相互连接。该存储器用于存储支持该终端执行上述第一方面和/或第一方面任一种可能的实现方式提供的方法的计算机程序，该计算机程序包括程序指令，该处理器被配置用于调用上述程序指令，执行上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行以实现上述第一方面和/或第一方面任一种可能的实施方式所提供的方法。本申请实施例中，通过对待池化图特征表示分割为多个子图特征表示，基于图神经网络模型确定各子图特征表示对应的图注意力输出特征，并将图注意力输出特征聚合得到待筛选图特征表示，从而可以将多个子图特征表示并进行处理。其中，可以理解的是，利用图神经网络模型对子图特征表示的不同特征进行训练，可以同时处理对多个子图特征表示进行的训练，缩减图神经网络模型的规模，提高计算速率。进一步的，利用图神经网络模型可以分别对各子图特征表示的不同特征进行学习，快速地得到各子图特征表示中对应的图注意力输出特征，再将图注意力输出特征聚合得到待筛选图特征表示，增强待筛选图特征表示对目标图特征的表示能力，提高池化效率。由此可见，对待池化图特征表示分割为多个子图特征表示并利用图神经网络模型进行学习，可以缩减图神经网络模型的规模，提高计算速率；此外，利用图神经网络模型可以分别对各子图特征表示进行学习，增强待筛选图特征表示对目标图特征的表示能力，提高池化效率。附图说明为了更清楚地说明本申请实施例中的技术本文档来自技高网...

【技术保护点】
1.一种图池化方法，其特征在于，所述方法包括：/n获取待池化图特征表示，并将所述待池化图特征表示分割为多个子图特征表示，一个子图特征表示中包括所述待池化图特征表示中的一个或者多个维度的图特征表示；/n基于图神经网络模型确定各子图特征表示对应的图注意力输出特征，一个子图特征表示对应一个图注意力输出特征；/n基于所述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示，所述待筛选图特征表示中包括所述待池化图特征表示中的各个维度对应的特征表示；/n根据所述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从所述待筛选图特征中筛选出目标图特征，并基于所述目标图特征确定池化后的目标图特征表示。/n

【技术特征摘要】
1.一种图池化方法，其特征在于，所述方法包括：
获取待池化图特征表示，并将所述待池化图特征表示分割为多个子图特征表示，一个子图特征表示中包括所述待池化图特征表示中的一个或者多个维度的图特征表示；
基于图神经网络模型确定各子图特征表示对应的图注意力输出特征，一个子图特征表示对应一个图注意力输出特征；
基于所述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示，所述待筛选图特征表示中包括所述待池化图特征表示中的各个维度对应的特征表示；
根据所述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从所述待筛选图特征中筛选出目标图特征，并基于所述目标图特征确定池化后的目标图特征表示。


2.根据权利要求1所述的方法，其特征在于，所述基于所述各子图特征表示对应的图注意力输出特征聚合得到待筛选图特征表示之后，所述方法还包括：
利用权重函数对所述待筛选图特征表示中包括的各待筛选对象的特征表示进行计算，得到所述各待筛选对象的权重。


3.根据权利要求1或2中所述的方法，其特征在于，所述根据所述待筛选图特征表示中包括的多个待筛选对象的特征表示以及各待筛选对象的权重，从所述待筛选图特征中筛选出目标图特征包括：
将所述待筛选图特征表示中包括的多个待筛选对象按照各待筛选对象的权重进行排序，将权重大于权重阈值的待筛选对象确定为目标对象；
根据所述目标对象确定目标图特征；
其中，所述待筛选对象包括节点和/或边。


4.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象，确定出所述目标图特征，包括：
根据所述目标对象确定目标对象索引，基于所述目标对象索引生成目标对象掩膜；
根据所述目标对象掩膜以及所述待筛选图特征表示确定目标图特征。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于所述目标图特征确定池化...

【专利技术属性】
技术研发人员：曹雨，方蒙，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44