[发明专利]聚类方法及装置、电子设备和存储介质

权利要求书

1.一种聚类方法，其特征在于，所述方法包括：

获取用于校正人脸特征相似度的神经网络，其中，所述神经网络是基于困难样本训练得到，所述困难样本是至少一个类别人脸数据集中的样本；

基于所述神经网络对待聚类图像进行处理，得出所述待聚类图像的人脸特征的相似度校正值；

利用所述相似度校正值对特征相似度进行校正，得到校正后的特征相似度，所述特征相似度表示所述待聚类图像与对应类别图像的人脸特征的相似度；

基于所述校正后的特征相似度，对所述待聚类图像进行聚类处理，得到所述待聚类图像与所述对应类别图像的聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取需要进行人脸聚类的多个类别人脸数据集的样本和所述多个类别人脸数据集的样本中每个样本的标注信息；

确定第一相似度阈值，其中，所述第一相似度阈值表示使所述多个类别人脸数据集的样本的聚类结果的精度达到设定精度指标的相似度阈值；

基于所述第一相似度阈值，对所述多个类别人脸数据集的样本进行聚类处理，得到所述多个类别人脸数据集的样本的聚类结果；

基于所述多个类别人脸数据集的样本的聚类结果确定满足设定条件的样本，在所述满足设定条件的样本中确定出所述困难样本，所述设定条件包括：样本的聚类结果与样本的标注信息不同。

3.根据权利要求2所述的方法，其特征在于，所述确定第一相似度阈值，包括：

基于预先确定的多个相似度阈值的每个相似度阈值，对所述各样本进行聚类处理，得到所述每个相似度阈值对应的聚类结果；

基于所述每个相似度阈值对应的聚类结果，确定聚类的精度达到设定精度指标的多个第二相似度阈值；

在所述多个第二相似度阈值中，确定最大的相似度阈值为第一相似度阈值。

4.根据权利要求2所述的方法，其特征在于，所述在满足设定条件的样本中确定出所述困难样本，包括：

采用正负样本平衡的方式，在所述满足设定条件的样本中确定出所述困难样本，其中，所述困难样本包括正样本和负样本，所述正样本表示标注为同一个人脸的一对样本图像，所述负样本表示标注为不同人脸的一对样本图像。

5.根据权利要求1所述的方法，其特征在于，所述神经网络是基于困难样本训练得到的，包括：

将所述困难样本输入至所述神经网络；

利用所述神经网络对所述困难样本进行处理，得到所述困难样本的处理结果，所述困难样本的处理结果表示所述困难样本中人脸特征的相似度校正值；

根据所述困难样本的处理结果和预先获取的所述困难样本的标注信息，调整所述神经网络的网络参数值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述困难样本的处理结果和预先获取的所述困难样本的标注信息，调整所述神经网络的网络参数值，包括：

根据所述困难样本的处理结果和预先获取的所述困难样本的标注信息，确定所述神经网络的合页损失；

根据所述合页损失，调整所述神经网络的网络参数值。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取需要进行人脸聚类的多个类别人脸数据集的样本和所述多个类别人脸数据集的样本中每个样本的标注信息；

确定第一相似度阈值，其中，所述第一相似度阈值表示使所述多个类别人脸数据集的样本的聚类结果的精度达到设定精度指标的相似度阈值；

所述根据所述困难样本的处理结果和预先获取的所述困难样本的标注信息，确定所述神经网络的合页损失，包括：

根据所述困难样本的处理结果、预先获取的所述困难样本的标注信息和所述第一相似度阈值，确定所述神经网络的合页损失。