买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本发明提供基于局部和全局邻居对齐的原型对比图像聚类方法及系统，涉及机器学习和图像处理领域。该方法包括提取原始数据集特征；在特征上执行k‑means初始化聚类中心，获取聚类分配概率；对经过两种不同变换后的数据集进行分组训练直至整个数据集，提取变换后图像数据集特征；获取每个训练批次的原型，并计算原型对比损失；获取变换后特征的全局和局部邻居，并将变换后的特征与邻居对齐，计算邻居对齐损失；优化网络，并更新全局邻居；重复上述步骤，直到满足迭代次数，输出聚类分组结果。本发明方法不仅避免了对比学习中类别冲突的问题，而且使得不同的类在空间中均匀分布；同时，基于局部和全局邻居对齐策略可以获得更丰富的语义信息。

主权项：1.一种基于局部和全局邻居对齐的原型对比图像聚类方法，其特征在于，包括以下步骤：步骤S1、接收原始图像数据集；步骤S2、通过预设的目标网络的特征提取模块对原始图像数据集进行特征提取，获取特征；步骤S3、在特征上执行k-means初始化聚类中心，并获取聚类分配概率；步骤S4、对原始图像数据集进行小批次训练，随机选取未经过训练的小批次数据集并将其分别经过不同的变换和，得到变换后的数据集，其中，，和分别为弱变换和强变换，为变换集合；所述弱变换为随机裁剪与缩放，随机水平翻转，随机亮度、对比度、饱和度、色调变换和随机灰度变换；所述强变换包括包含随机水平翻转、随机裁剪，并从归一化对比度、均衡直方图、旋转、反转、增强色彩平衡、调整对比度、调整亮度、调整清晰度、仿射变换、减少每个颜色通道位数中选择四个组成；步骤S5、通过在线网络特征提取模块和目标网络特征提取模块对变换后的数据集分别进行特征提取获取特征；步骤S6、通过聚类分配概率和特征计算每个批次的原型，并计算原型对比损失；步骤S7、分别在特征和全部特征上挖掘邻近样本特征，获取每个特征的局部邻居,和全局邻居,，并将邻居特征输入至在线网络的预测模块中获取局部预测特征和全局预测特征；步骤S8、分别将一个变换的特征与另一个变换的局部和全局预测特征对齐，计算邻居对齐损失；步骤S9、原型对比损失和邻居对齐损失构成的损失通过反向传播更新网络权重，返回所述步骤S4直到训练整个图像数据集，并得到整个数据集的特征并更新全局邻居,；步骤S10、返回所述步骤S2，直到满足最大迭代次数或网络收敛，并计算最终的聚类结果。

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于局部和全局邻居对齐的原型对比图像聚类方法及系统