图像聚类方法、设备及存储介质技术

本申请公开了一种图像聚类方法、设备及存储介质，该图像聚类方法包括：将图像帧对应的嵌入表达作为节点，根据各个节点之间的相似度在节点之间创建边，并按照图像帧时间顺序排序每个节点得到时间交互图；获取在预设时刻下第一节点对应的历史交互节点，历史交互节点是指时间交互图中图像帧时间在预设时刻之前且与第一节点存在边的节点；基于第一节点对应的历史交互节点，计算第一节点和第二节点属于同一聚类簇的概率。由于在时间交互图中在历史时间段内节点之间的交互影响了在后续时间段内节点之间的交互，且该影响会随着时间的推移而衰减，因此，根据历史交互节点捕获节点间的动态变化信息以挖掘时序信息，提高聚类的准确性和稳定性。

【技术实现步骤摘要】

本申请涉及图像处理，特别是涉及一种图像聚类方法、设备及存储介质。

技术介绍

1、近年来，随着深度学习的发展，基于深度学习的图像聚类算法也得到了广泛的研究和应用。

2、深度聚类网络是一种将深度学习和聚类相结合的无监督学习方法，可以自动学习特征表示和聚类结果。深度聚类网络的原理是通过深度学习网络将原始图像数据映射到低维空间，然后使用聚类算法将映射后的数据进行聚类，其可以有效处理非线性数据和高维数据。

3、但是，目前的深度聚类网络仅考虑了待聚类图像在特征维度上的相似性，其聚类效果有待进一步提高。

技术实现思路

1、为了解决上述技术问题，本申请至少提供一种图像聚类方法、设备及存储介质。

2、本申请第一方面提供了一种图像聚类方法，方法包括：提取图像帧序列中每个图像帧的图像特征，得到图像帧对应的嵌入表达；其中，图像帧序列中的图像帧按时间先后顺序排序；将图像帧对应的嵌入表达作为节点，计算各个节点之间的相似度，在相似度大于预设相似度阈值的节点之间创建边，并按照图像帧时间顺序排序每个节点得到本文档来自技高网...

【技术保护点】

1.一种图像聚类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一节点对应的历史交互节点，计算所述第一节点和所述第二节点属于同一聚类簇的概率，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述历史交互节点的重要程度、所述历史交互节点与所述第二节点之间的时间衰减度，计算得到所述第一节点和所述第二节点属于同一聚类簇的概率，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述历史交互节点的重要程度、所述历史交互节点与所述第二节点之间的时间衰减度，计算得到所述第一节点和所述第二节点属于同一聚类簇的概率，包...

【技术特征摘要】

1.一种图像聚类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一节点对应的历史交互节点，计算所述第一节点和所述第二节点属于同一聚类簇的概率，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述历史交互节点的重要程度、所述历史交互节点与所述第二节点之间的时间衰减度，计算得到所述第一节点和所述第二节点属于同一聚类簇的概率，包括：

4.根据权利要求2所述的方法，其特征在于，所述基于所述历史交互节点的重要程度、所述历史交互节点与所述第二节点之间的时间衰减度，计算得到所述第一节点和所述第二节点属于同一聚类簇的概率，包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.根据权利要求5所...

【专利技术属性】
技术研发人员：乔雪婷，邸德宁，华逸伦，朱树磊，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：