【技术实现步骤摘要】
本专利技术涉及图片分类，尤其涉及一种人脸聚类方法、装置、电子设备及存储介质。
技术介绍
1、随着深度学习的发展，人脸聚类问题得到了越来越多的研究者的关注。在智慧社区，智能安防等应用领域，人脸聚类技术得到了很广泛的落地应用。而现有的人脸聚类技术大部分是基于已构建的相似度图进行聚类分析，分为监督方法和无监督方法。
2、在监督学习方法中，主要是对图的结构进行一些边的预测，或者顶点的预测，或者子图的学习。但现有监督学习方法都会采用一定的基于规则的后处理或者前处理，而这些基于规则的处理方式，会产生很多的孤立节点，以及档案分裂严重。而非监督学习方法，一部分是利用机器学习方法，直接对特征进行聚类分析，不但耗时，精度也较差。另一部分是把任务看作在图上的社区发现任务，对相似度图进行图的聚类分析。而这类任务无法对图的结构进行修改，如果相似度图中的错误的边太多，通过社区发现任务无法修改这些错误边，因此，聚类效果非常依赖相似度图的正确程度。可见，基于上述技术的人脸聚类方法中，存在人脸聚类档案分裂、精度低的问题。
技术实现
本文档来自技高网...【技术保护点】
1.一种人脸聚类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述对获取到的人脸节点图进行边处理，得到目标节点图，包括：
3.如权利要求2所述的方法，其特征在于，所述对所述人脸节点图中每一条边都进行连接关系预测，得到每一条边对应的连接概率值，包括：
4.如权利要求3所述的方法，其特征在于，所述连接关系预测模型包括图卷积网络以及预测网络，所述通过所述采样子图与所述标签图，对预先准备的连接关系预测模型进行训练，得到训练好的连接关系预测模型，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所...
【技术特征摘要】
1.一种人脸聚类方法，其特征在于，包括以下步骤：
2.如权利要求1所述的方法，其特征在于，所述对获取到的人脸节点图进行边处理，得到目标节点图，包括：
3.如权利要求2所述的方法，其特征在于，所述对所述人脸节点图中每一条边都进行连接关系预测，得到每一条边对应的连接概率值，包括：
4.如权利要求3所述的方法，其特征在于，所述连接关系预测模型包括图卷积网络以及预测网络，所述通过所述采样子图与所述标签图，对预先准备的连接关系预测模型进行训练，得到训练好的连接关系预测模型，包括：
5.如权利要求1所述的方法，其特征在于，所述基于所述目标节点图，构建得到对应的相似度矩阵，包括：
6.如权利要求5所述的方...
【专利技术属性】
技术研发人员：邢玲，王爱波，杨一帆，余晓填，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
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。