[发明专利]一种智能分组方法及分组系统

说明书

本发明实施例涉及人工智能技术领域，公开了一种智能分组方法及分组系统，该方法包括：计算出数据节点集中每一数据节点的特征向量到每一组类的聚类中心的距离；选择出与同一聚类中心之间的距离小于指定阈值的第一目标数据节点；将所述第一目标数据节点分配至与所述同一聚类中心对应的组类中。实施本发明实施例，能够有效减少量化误差的同时增加特征匹配精度，以获得更加精细化的数据分组结果。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种智能分组方法及分组系统。

背景技术

随着光电技术和互联网的高速发展，人们可以很容易地获取大规模场景的图像数据，因此从大规模图像集合去恢复三维场景结构的需求和应用也就应运而生。但是由于获取图像的传感器参数不同，拍摄视场和角度不同，图像集合中不但包含多个不同场景内容的图像，还包含噪声污染、模糊抖动甚至错误图像。因此，对杂乱无序的图像集合进行预处理，将内容关联的图像进行分组，不但有助于用户快速组织和掌握图像内容，也是场景三维重建的前提条件和关键步骤。

但是在无序宽基线条件下，如何进行高效的图像分组是一项极具挑战的任务，许多学者根据不同的应用提出了各种各样的图像分组方法。但在实践中发现，现已有的这些分组方法都是通过两两图像间的最近邻特征匹配，或者是利用全局特征聚类对图像进行分组，当图像规模很大时，这些算法的时间复杂度都非常高，不利于实际应用。

发明内容

本发明实施例公开一种智能分组方法及分组系统，能够有效减少量化误差的同时增加特征匹配精度，以获得更加精细化的数据分组结果。

本发明实施例第一方面公开一种智能分组方法，所述方法包括：

计算出数据节点集中每一数据节点的特征向量到每一组类的聚类中心的距离；

选择出与同一聚类中心之间的距离小于指定阈值的第一目标数据节点；

将所述第一目标数据节点分配至与所述同一聚类中心对应的组类中。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述第一目标数据节点分配至与所述同一聚类中心对应的组类中之后，所述方法还包括：

检测所述数据节点集中是否还存在有未被分配的剩余数据节点；若是，计算出所述剩余数据节点到每一所述第一目标数据节点的距离；

确定出与所述剩余数据节点之间的距离最小的第二目标数据节点；

将所述剩余数据节点分配至所述第二目标数据节点所处的组类中。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述剩余数据节点分配至所述第二目标数据节点所处的组类中之后，所述方法还包括：

计算出每一相邻两所述聚类中心之间的距离；

检测所述聚类中心所处组类中是否存在与所述聚类中心之间的距离大于相邻两所述聚类中心之间的距离的超距离数据节点；若是，将所述超距离数据节点从所述聚类中心所处组类中剔除出去。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述将所述超距离数据节点从所述聚类中心所处组类中剔除出去之后，所述方法还包括：

计算出所述超距离数据节点的特征向量到每一所述聚类中心的距离；

确定出与所述超距离数据节点之间的距离最小的目标聚类中心；

检测所述超距离数据节点与所述目标聚类中心之间的距离是否大于所述目标聚类中心与相邻所述聚类中心之间的距离；若否，将所述超距离数据节点分配至与所述目标聚类中心所处的组类中。

作为另一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：