一种基于多视角学习和Top-k损失的图像聚类方法、装置、设备及介质

本发明涉及图像聚类技术领域，公开了一种基于多视角学习和Top‑k损失的图像聚类方法、装置、设备及介质，方法包括S1：将原始图像数据集转换为多视角特征图像数据集；S2：基于多视角特征图像数据集，构建基于多视角学习和Top‑k损失的第一图像聚类模型；S3：使用约束的凹凸过程算法，对第一图像聚类模型进行优化，得到第二图像聚类模型；S4：根据预设的条件，对第二图像聚类模型的约束进行索引和排列，得到第三图像聚类模型；S5：使用割平面算法对第三图像聚类模型进行迭代优化，并判断第三图像聚类模型是否收敛，若是，则利用第三图像聚类模型进行求解图像聚类结果，若否，则跳转执行S3。本发明提高了图像聚类的准确度、精度以及灵活性。