【技术实现步骤摘要】
一种基于自注意力机制进行链接预测的人脸图像聚类方法及装置
[0001]本专利技术涉及图像识别和图像处理研究领域，具体涉及一种基于自注意力机制进行链接预测的人脸图像聚类方法及装置。
技术介绍
[0002]目前随着人脸数据集的规模变得越来越庞大，通过人工手动标注需要大量的人力物力，人脸聚类方法可以大大减少数据标注工作量。
[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：现有的人脸聚类方法大体上是对输入特征直接作不同的假设，例如DB
‑
SCAN算法需要每个簇的密度大于特定阈值。采用单一维度的各种聚类算法如：基于传统聚类算法的聚类方案，基于邻接关系度量距离的人脸聚类方案，基于层次聚类的人脸聚类方案或是其中几种算法的组合等，这类聚类方案的准确性较低。另外总是存在区分度较低的样本，这些样本特征之间的链接通常难以直接进行预测。通过传统方法以及近期的深度学习方法也难以得到精度的提升。
技术实现思路
[0004]为了克服现有技术的不足，本专利技术提供了一种基于自注意力机制...
【技术保护点】
【技术特征摘要】
1.一种基于自注意力机制进行链接预测的人脸图像聚类方法，其特征在于，该方法包括如下步骤：步骤1，选定样本，假设样本总数量为N，通过人脸识别模型对选定样本进行特征提取，得到D维度的人脸特征，对于第i个样本，通过人脸识别模型对其提取维度为D的人脸身份特征f
i
，i∈{1，2，
……
N}，则得到所有样本的人脸特征矩阵F，F∈R
N
×
D
；步骤2，将第i个样本的人脸身份特征f
i
，输入基于上下文信息的特征增强编码模块进行增强，具体步骤如下：对于第i个样本，选取前k1个特征相似度最高的样本，即特征图中的前k1个邻居结点，构成候选集
①
：对于候选集
①
中的样本，取人脸特征矩阵F中对应人脸特征，组成特征矩阵中的样本，取人脸特征矩阵F中对应人脸特征，组成特征矩阵对于每个样本分别选取前k2个特征相似度最高的样本即特征图中的邻居结点，构成候选集
②
：对于候选集
②
中的样本，取人脸特征矩阵F中对应特征，组成新的特征矩阵中的样本，取人脸特征矩阵F中对应特征，组成新的特征矩阵将中的特征与其对应的候选集
②
中的特征通过e个自注意力模块，得到转换后的特征将与原特征通过归一化并相加的操作，得到增强后的特征即第i个样本的候选增强特征集合，同时对于第i个样本，选取k2个特征相似度...
【专利技术属性】
技术研发人员：徐佳奇，周金明，
申请(专利权)人：南京行者易智能交通科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。