【技术实现步骤摘要】
一种节点关系学习方法和节点关系学习装置
[0001]本专利技术涉及计算机
,尤其涉及一种节点关系学习方法和节点关系学习装置。
技术介绍
[0002]图神经网络作为一种强有力的非结构化数据处理工具,在训练数据量很小的时候有着优势,因此越来越多的学者致力于将图像(例如拍照获得的图片)转化为图结构,之后再进行分类。
[0003]图结构一般包括节点,边,节点之间的关系(简称节点关系)和节点特征等要素。具体的,当将图像转化为图结构后,节点可以表示图像中的单个像素点或者超像素。现有技术中,节点关系一般是通过图像空间中的8近邻来确定,即一个节点仅与其在图像空间中的8近邻像素对应的节点相连。
[0004]现有技术中,获得节点关系的方法虽然简单,易于实现。但是,现有技术的方法将节点之间的关系局限在了图像空间的局部,忽略了节点之间的全局关系。基于此,不仅不利于全面准确的确定某一节点的节点特征,同时还不利于对图像中的信息进行分类处理等。
技术实现思路
[0005]本专利技术的目的在于提供一种节点关系学习方法和节点关系学习装置,用于发现节点之间的全局关系,使单个节点的节点特征更加丰富准确,以便于对图像中的信息进行分类处理。
[0006]为了实现上述目的,第一方面,本专利技术提供了一种节点关系学习方法。该节点关系学习方法包括:
[0007]获取图结构对应的节点特征矩阵和邻接矩阵;
[0008]采用图神经网络处理节点特征矩阵和邻接矩阵,确定第一奖励值;
[0009]利用第一奖 ...
【技术保护点】
【技术特征摘要】
1.一种节点关系学习方法,其特征在于,获取图结构对应的节点特征矩阵和邻接矩阵;采用图神经网络处理所述节点特征矩阵和所述邻接矩阵,确定第一奖励值;利用所述第一奖励值更新所述邻接矩阵,确定第一邻接矩阵;采用所述图神经网络处理所述节点特征矩阵和所述第一邻接矩阵,确定第二奖励值;利用所述第二奖励值更新所述第一邻接矩阵,确定第二邻接矩阵;根据奖励值和邻接矩阵的更新关系,采用所述图神经网络对所述节点特征矩阵和更新后的邻接矩阵进行迭代,直至到达预设迭代次数为止。2.根据权利要求1所述的节点关系学习方法,其特征在于,所述获取图结构对应的节点特征矩阵和邻接矩阵前,所述节点关系学习方法还包括:确定图像数据对应的图结构;所述图结构包括N个节点和多个边,所述N个节点包括M个标记节点和N
‑
M个未标记节点,N>M;所述节点特征矩阵表示所述N个节点的特征,所述邻接矩阵表示多个所述边,所述边表示相连的节点之间的关联关系;从所述M个标记节点中,获取第一节点;根据所述第一节点,从所述M个标记节点中确定第二节点。3.根据权利要求2所述的节点关系学习方法,其特征在于,所述根据所述第一节点,从所述M个标记节点中确定第二节点,包括:利用欧氏距离公式,确定所述M个标记节点中其余节点与所述第一节点之间的第一欧式距离;根据所述第一欧式距离和第一预设条件,从所述M个标记节点中确定所述第二节点;所述欧氏距离公式满足:Dij
i,j
=||(a
i
‑
a
j
)2+(b
i
‑
b
j
)2+(c
i
‑
c
j
)2||2;其中,i表示节点i,j表示节点j,Dij
i,j
表示所述节点i和所述节点j之间的欧氏距离,a
i
表示所述节点i的灰度值,a
j
表示所述节点j的灰度值,b
i
表示所述节点i在坐标系中的横坐标数值,b
j
表示所述节点j在坐标系中的横坐标数值,c
i
表示所述节点i在坐标系中的纵坐标数值,c
j
表示所述节点j在坐标系中的纵坐标数值。4.根据权利要求2所述的节点关系学习方法,其特征在于,所述采用图神经网络处理所述节点特征矩阵和所述邻接矩阵,确定第一奖励值,包括:采用所述图神经网络处理所述节点特征矩阵、所述邻接矩阵和所述N个节点,获得损失值;所述损失值包括所述第一节点的第一损失值、所述第二节点的第二损失值和所述N个节点中其余节点的...
【专利技术属性】
技术研发人员:曲徽,孙科武,童心怡,魏琦,丁季时雨,
申请(专利权)人:中国长峰机电技术研究设计院,
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。