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...

【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