[发明专利]特征重排方法和装置、存储介质及电子设备

权利要求书

1.一种特征重排方法，其特征在于，包括：

确定第一样本集合的邻接矩阵，其中，所述第一样本集合包含多个特征元素以及所述特征元素对应的样本；

若根据所述邻接矩阵，确定所述第一样本集合中存在具有连接关系的第一特征元素和第二特征元素，则确定所述第一特征元素与所述第二特征元素的相似度，其中，所述连接关系用于指示第一特征元素对应的所述样本与第二特征元素对应的所述样本存在相同的目标样本；

根据所述相似度对所述第一样本集合中的特征元素进行重排。

2.根据权利要求1所述的方法，其特征在于，确定第一样本集合的邻接矩阵之前，所述方法还包括：

将待检索查询的第二样本集合输入到第一目标神经网络中进行特征提取，得到所述第二样本集合的第一特征；

将所述第一特征与数据库中的预设第二特征进行比对，得到存在相似的第三特征的第一集合，其中，所述第三特征用于指示相似度符合预设阈值的存在于所述预设第二特征中的所述第一特征；

对所述第一集合中的每一个特征元素在所述待检索查询的第二样本集合中进行关联确定，确定出所述每一个特征元素对应的目标数量的样本，以得到第二集合；

将所述第一集合与所述第二集合进行合并，得到第一样本集合。

3.根据权利要求1所述的方法，其特征在于，根据所述相似度对所述第一样本集合中的特征元素进行重排之后，所述方法还包括：

根据所述第一样本集合中的特征元素构建图卷积网络的输入特征，其中，所述输入特征对应的特征函数为：

F_i＝concat(F_q-F_i，D_cos(F_q，F_i))，其中，所述F_q表示使用第一目标神经网络提取到的第一样本集合对应的样本特征，所述F_i为第一样本集合中特征元素使用与所述第一目标神经网络相同的特征提取网络提取到的标准特征，D_cos(F_q，F_i)为余弦距离函数，用于指示待查询样本集合的样本特征与标准特征的相似度；

根据所述输入特征和所述邻接矩阵建立目标图卷积网络；

对所述目标图卷积网络进行迭代更新，以确定出用于进行特征元素重排的第二目标神经网络。

4.根据权利要求3所述的方法，其特征在于，对所述目标图卷积网络进行迭代更新，以确定出用于进行特征元素重排的第二目标神经网络之后，所述方法还包括：

设定所述第二目标神经网络的训练标签，其中，所述训练标签用于指示第二目标神经网络对于所述第一样本集合的相似度分类结果；

当所述训练标签为第一标签时，确定所述训练标签对应的样本特征与特征元素对应的标准特征属于同一类别或同一对象标识，所述第一标签用于表征第一样本集合的相似度分类结果中存在相似的特征元素；

当所述训练标签为第二标签时，确定所述训练标签对应的样本特征与特征元素对应的标准特征不属于同一类别或同一对象标识；所述第二标签用于表征第一样本集合的相似度分类结果中不存在相似的特征元素。

5.根据权利要求2所述的方法，其特征在于，将待检索查询的第二样本集合输入到第一目标神经网络中进行特征提取，得到所述第二样本集合的第一特征，包括：

确定所述第二样本集合包含的对象标识，其中，所述对象标识用于指示对每一对象进行属性信息的确认唯一标识；

根据所述对象标识对所述第二样本集合进行分类，并对的同一对象标识下的不同样本进行预处理，其中，所述预处理包括以下至少之一：样本中数据的随机擦除、样本中数据的随机旋转、样本中数据的随机翻转、样本中数据的随机灰度化；

根据所述分类的结果将预处理后的第二样本集合依次输入到第一目标神经网络中进行特征提取，得到所述第二样本集合的第一特征。