申请/专利权人：哈尔滨理工大学

申请日：2023-12-26

公开（公告）日：2024-03-26

公开（公告）号：CN117765291A

主分类号：G06V10/762

分类号：G06V10/762;G06V10/774;G06V10/82;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：一种基于视角互斥伪标签传播的非完备多视角场景图像聚类方法，属于图像信息处理中的场景图像聚类处理领域，本发明首先从一个非完备多视角场景图像数据集中提取完备样本集合和存在样本集合，得到完备样本伪标签。然后，构建各个视角专属半监督分类器和k近邻图，训练分类器至收敛获取存在样本上的类簇分布，将所有视角存在样本的类簇分布进行加权平均，获取所有样本的类簇分布，得到最终聚类结果。与其他方法相比，本发明更稳定，受数据缺失率影响相对小，有着更好的聚类性能。

主权项：1.一种基于视角互斥伪标签传播的非完备多视角场景图像聚类方法，其特征在于，所述方法包括步骤：从一个非完备多视角场景图像数据集中提取完备样本集合和存在样本集合。对完备样本的特征求解多视角公共子空间最优化问题，得到视角公共子空间；对视角公共子空间实施谱聚类，得到完备样本的伪标签。对每一个视角，构建一个基于图卷积神经网络的视角专属半监督分类器，并随机初始化相应的网络权重；并根据该视角的存在样本构建k近邻图矩阵。对每一个视角，将存在样本的特征和相应的k近邻图输入所述的视角专属半监督分类器，以预测完备样本的伪标签，其损失函数为以带掩码的交叉熵分类损失函数。对每一个视角，使用随机梯度下降算法最小化所述带掩码分类损失函数，将所述视角专属半监督分类器训练至收敛。从收敛后的分类器获取存在样本上的类簇分布。将所有视角存在样本的类簇分布进行加权平均，得到所有样本的类簇分布；对每一样本选择概率最大的类簇作为样本所属类簇，得到最终聚类结果。根据所得聚类结果，计算所述非完备多视角场景图像数据集上的聚类准确率。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于视角互斥伪标签传播的非完备多视角场景图像聚类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD