[发明专利]基于相关性图学习的图像识别方法及装置

权利要求书

1.一种基于相关性图学习的图像识别方法，其特征在于，所述方法包括：

获取待识别图像；

使用训练好的特征提取网络确定所述待识别图像对应的特征向量；

从训练集中随机获取每个类别的图集的多个聚类中心；

将每个类别的图集的多个聚类中心与所述待识别图像的特征向量构成图；

使用图卷积神经网络对所述图进行类别预测，以确定所述待识别图像所属的图像类别。

2.根据权利要求1所述的方法，其特征在于，在获取待识别图像之前，所述方法还包括：

构造图像识别数据集，其中，所述图像识别数据集包括训练集和测试集；

使用训练集中的图像训练得到所述特征提取网络；

使用训练好的所述特征提取网络对所述训练集中的每个图像进行处理，得到对应的特征向量。

3.根据权利要求2所述的方法，其特征在于，从训练集中随机获取每个类别的图集的多个聚类中心，包括：

使用所述特征提取网络对训练集中的每张图像进行处理，得到对应的特征向量；

获取所述训练集中每个类别的图集中每张图像对应的特征向量，并使用K-means方法，将每个类别的图集中的所有图像对应的特征向量聚成K堆，找到每堆的聚类中心，以得到该类别图集对应的K个聚类中心；

从每个类别图集对应的K个聚类中心中，随机获取多个聚类中心。

4.根据权利要求1所述的方法，其特征在于，将每个类别的图集的多个聚类中心与所述待识别图像的特征向量构成图，包括：

将每个类别的图集的多个聚类中心与所述待识别图像的特征向量分别作为图中的节点，以得到图的特征矩阵；

使用相似度计算方法计算图中任意两个节点之间的相似度，并将节点之间的相似度作为节点之间的边，以得到图的边矩阵。

5.根据权利要求4所述的方法，其特征在于，使用图卷积神经网络对所述图进行类别预测，以确定所述待识别图像所属的图像类别，包括：

使用图卷积神经网络的第一层图卷积层对所述图的特征矩阵和边矩阵进行卷积操作，以得到新的特征矩阵；

使用所述图卷积神经网络的第二层图卷积层对所述新的特征矩阵和图的边矩阵进行卷积操作，确定图中每个节点的预测类别；

根据所述图中所有节点的预测类别，确定所述待识别图像所属的图像类别。

6.一种基于相关性图学习的图像识别装置，其特征在于，所述装置包括：

第一获取模块，用于获取待识别图像；

确定模块，用于使用训练好的特征提取网络确定所述待识别图像对应的特征向量；

第二获取模块，用于从训练集中随机获取每个类别的图集的多个聚类中心；

构成模块，用于将每个类别的图集的多个聚类中心与所述待识别图像的特征向量构成图；

识别模块，用于使用图卷积神经网络对所述图进行类别预测，以确定所述待识别图像所属的图像类别。

7.根据权利要求6所述的装置，其特征在于，在获取待识别图像之前，所述装置还包括：

构造模块，用于构造图像识别数据集，其中，所述图像识别数据集包括训练集和测试集；

训练模块，用于使用训练集中的图像训练得到所述特征提取网络；

处理模块，用于使用训练好的所述特征提取网络对所述训练集中的每个图像进行处理，得到对应的特征向量。

8.根据权利要求6所述的装置，其特征在于，所述第二获取模块包括：

第一处理单元，用于使用所述特征提取网络对训练集中的每张图像进行处理，得到对应的特征向量；

聚类单元，用于获取所述训练集中每个类别的图集中每张图像对应的特征向量，并使用K-means方法，将每个类别的图集中的所有图像对应的特征向量聚成K堆，找到每堆的聚类中心，以得到该类别图集对应的K个聚类中心；

获取单元，用于从每个类别图集对应的K个聚类中心中，随机获取多个聚类中心。