聚类方法、电子设备及介质

本申请提供了聚类方法、电子设备及介质，方法包括获取训练图像数据，将所述嵌入特征输入至包括特征学习模块和聚类模块的聚类网络；通过特征学习模块的特征提取网络层提取训练图像数据的嵌入特征；利用图像实例之间的相似性和特征去相关学习作为约束计算得到第一损失函数，根据第一损失函数调整所述特征提取网络层的参数，得到目标特征提取网络层；通过目标特征提取网络层提取待处理图像数据的目标嵌入特征；通过聚类模块对所述目标嵌入特征进行聚类得到目标聚类结果；通过实例判别和特征去相关优化神经网络参数以获得更适用于聚类任务的特征表示，能够提高在复杂彩色图像数据集上的聚类精度。