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:哈尔滨理工大学
摘要:一种基于小批量集成缩放点积注意力权重锚图的大规模非完备多视角动物图像聚类方法,属于动物形态学和多媒体信息处理中的动物图像数据聚类处理领域,首先通过对每个视角的存在样本中随机选取多组锚点,形成锚点特征批量和存在特征批量。然后利用缩放点积注意力计算每个视角的锚点和存在特征之间的相似度,得到视角专属集成锚图后根据缺失指示矩阵对其进行加权融合,得到视角公共锚图。重复多次,融合多个视角公共锚图得到视角公共集成锚图后进行快速谱聚类,得到最终聚类结果和准确率。与其他方法相比,本发明的精确度更高,性能更加稳健。
主权项:1.一种基于小批量集成缩放点积注意力权重锚图的大规模非完备多视角动物图像聚类方法,其特征在于,所述方法包括步骤:S110.根据视角缺失指示矩阵提取每个视角的存在样本特征,即专属视角下实际可用的样本数据特征,并将每一视角的特征向量归一化,使其都具有单位模长;S120.对每一视角,从存在样本特征中随机采样b组锚点特征,每一组锚点特征都包含na个锚点,将存在样本特征复制b次得到多组存在特征,将多组锚点特征和多组存在特征分别堆叠成锚点特征批量和存在特征批量;S130.对每一视角,基于常见的张量运算,包括张量乘法、张量转置、张量逐元素除法、张量softmax,计算锚点特征批量和存在特征批量之间的缩放点积注意力权重锚图批量,并对所述的锚图批量计算平均值,得到视角专属集成锚图,其中,注意力权重锚图批量是通过计算锚点特征与存在特征之间的点积,然后对得到的点积结果应用缩放和softmax函数得到的,视角专属集成锚图是对得到的注意力权重锚图批量进行加权平均获得的;S140.根据视角缺失指示矩阵,将所有视角的视角专属集成锚图加权融合,得到视角公共锚图;S150.将前三个步骤重复t次,对得到的t个视角公共锚图计算平均值,得到视角公共集成锚图,对所得的视角公共集成锚图进行快速谱聚类,得到最终聚类结果,并对最终聚类结果计算其聚类准确率;所述S110中,根据视角缺失指示矩阵M∈{0,1}n×m,提取每个视角的存在样本特征: 其中,表示所有视角的存在样本特征集合,是视角v的存在特征矩阵,若样本i的第j个视角存在,则Mij=1,否则Mij=0;nv是存在样本数,dv是特征维度,m是视角数,将每一视角的特征向量归一化,使其都具有单位模长,定义如下:xiv←xiv||xiv||,i=1,2,...,n;v=1,2,...,m其中,i表示任一样本,v表示任一视角,n是样本数,m是视角数,||·||表示向量的模长,xiv表示样本i的特征向量;所述S130中,计算缩放点积注意力权重锚图批量的公式定义如下: 其中τ>0是缩放因子,张量表示视角v的缩放点积注意力权重锚图批量,表示存在特征批量,表示锚点特征批量,以任意三个张量为例子进行说明,是张量乘法运算,表示两个三维张量和分别以第一个维度展开,然后,所有对应位置的切片矩阵分别作矩阵乘积后,堆叠得到一个新张量定义如下: 其中,分别表示张量张量张量的第i个切片矩阵,·表示一般的矩阵乘法,是张量softmax运算,表示对矩阵三维张量按第一个维度展开后所有切片矩阵的所有行向量进行softmax运算,定义如下: 其中,为存在特征批量和锚点特征批量的转置的乘积再除以缩放因子τ,因为所有特征向量都具有单位模长,所以的元素可视为余弦相似度,是张量转置运算,表示互换张量的第二个和第三个维度的操作,即exp·和..分别是张量逐元素指数函数运算和张量逐元素除法运算,对于任意三个张量张量逐元素指数函数运算的定义为张量逐元素除法运算的定义为对所述的锚图批量按第一个维度展开后计算所有切片矩阵的平均值,得到视角专属集成锚图,定义如下: 其中,表示视角专属集成锚图。
全文数据:
权利要求:
百度查询: 哈尔滨理工大学 一种基于小批量集成缩放点积注意力权重锚图的大规模非完备多视角动物图像聚类方法
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。