CN114387650B 聚类及模型训练方法和装置、设备及存储介质 （浙江商汤科技开发有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114387650B(45)授权公告日2025.07.01

(21)申请号202210028976.4

(22)申请日2022.01.11

(65)同一申请的已公布的文献号申请公布号CN114387650A

(43)申请公布日2022.04.22

(73)专利权人浙江商汤科技开发有限公司

地址311215浙江省杭州市萧山区宁围街

道市心北路857号288-8室

(72)发明人刘凯鉴赵瑞

(74)专利代理机构北京派特恩知识产权代理有限公司11270

专利代理师马丽胡春光

(51)Int.CI.

GO6V10/762(2022.01)

GO6V20/40(2022.01)

GO6V10/82(2022.01)

GO6N3/042(2023.01)

GO6N3/045(2023.01)

GO6V40/70(2022.01)

(56)对比文件

KaijianLiu.Relation-Aware

DistributionRepresentationNetworkfor

PersonClusteringWithMultiple

Modalities”.《IEEETRANSACTIONSONMULTIMEDIA》.2023,第26卷全文.

审查员朱小卫

权利要求书5页说明书27页附图5页

(54)发明名称

聚类及模型训练方法和装置、设备及存储介

获取待处理数据集，所述待处理数据集中包括至少两个模态数据，所述至少两个模态

获取待处理数据集，所述待处理数据集中包括至少两个模态数据，所述至少两个模态数据属于至少一个对象

确定每一所述模态数据的目标分布表征，每一所述模态数据的目标分布表征至少用于

表征每一所迷模态数据与所述待处理数据集中的其它模态数据属于同一对象的概率

基于每一所述目标分布表征，对每一所述模态数据进行聚类，得到至少一个聚类簇

每一所述聚类簇包括属于同一对象的至少一个模态数据

(57)摘要

CN114387650B本公开实施例公开了一种聚类及模型训练方法和装置、设备及存储介质，所述聚类方法包括：获取待处理数据集，所述待处理数据集中包括至少两个模态数据，所述至少两个模态数据属于至少一个对象；确定每一所述模态数据的目标分布表征，每一所述模态数据的目标分布表征至少用于表征每一所述模态数据与所述待处理数据集中的其它模态数据属于同一对象的概率；基于每一所述目标分布表征，对每一所述模态数据

CN114387650B

CN114387650B权利要求书1/5页

2

1.一种聚类方法，其特征在于，包括：

获取待处理数据集，所述待处理数据集中包括至少两种类型的模态数据，所述至少两种类型的模态数据属于至少一个对象，所述模态数据包括以下之一：包含人脸的模态数据、包含人体的模态数据、包含虹膜的模态数据、包含声音的模态数据、包含指纹的模态数据；

确定每一所述模态数据的目标分布表征，每一所述模态数据的目标分布表征至少用于表征每一所述模态数据与所述待处理数据集中的其它模态数据属于同一对象的概率；

基于每一所述目标分布表征，对每一所述模态数据进行聚类，得到至少一个聚类簇，每一所述聚类簇包括属于同一对象的至少一个模态数据。

2.根据权利要求1所述的方法，其特征在于，所述确定每一所述模态数据的目标分布表征，包括：

利用已训练的图神经网络模型，对每一模态数据的分布表征进行至少一次更新，在更新次数达到预设值的情况下，将每一模态数据的更新后的分布表征分别确定为每一模态数据的目标分布表征；其中，所述图神经网络模型包括以下至少之一：特征图神经网络、分布图神经网络；

所述特征图神经网络用于构建每一模态数据的特征图，所述特征图包括至少一个特征节点和所述至少一个特征节点之间的特征连接关系，每一特征节点用于表征每一模态数据的关联表征，所述关联表征用于表征每一模态数据的关联信息，每一特征连接关系用于表征每两个模态数据之间的特征关联关系，所述特征关联关系用于表征同一模态内每两个特征节点属于同一个对象的概率或不同模态内每两个特征节点属于同一个对象；

所述分布图神经网络用于构建每一模态数据的分布图，所述分布图包括至少一个分布节点和所述至少一个分布节点之间的分布连接关系，每一分布节点用于表征每一模态数据的分布表征，每一分布连接关系用于表征每两