今天想跟大家分享一篇论文、 论文:Deep Clustering for Unsupervised Learning of Visual Features 推荐理由: 看摘要就觉得这个论文很有实用价值!!! 摘要在计算机视觉领域,聚类是一种被广泛应用和研究的无监督学习方法,但几乎未在大规模数据集上的视觉特征端到端训练中被采用过。在本文中,我们提出了深度聚类(DeepCluster),这是一种结合学习神经网络参数与获取特征的聚类分配的聚类方法。深度聚类使用标准的聚类算法 k-means 对特征进行迭代分组,随后使用赋值作为监督来更新网络的权重。我们将深度聚类应用于 ImageNet 和 YFCC100M 这样的大型数据集上的卷积神经网络的无监督训练。最终模型在所有基准性能中都远远优于目前的技术。 创新点和贡献(1) 提出一种新的无监督方法来实现卷积网络的端到端学习,这种方法可以使用任何标准的聚类算法,比如 k-means或层次聚类等,并且只需要很少的额外步骤; 论文地址https:///abs/1807.05520v1 图 1:本文提出方法的图示:对深层特征进行迭代地聚类,并使用聚类赋值作为伪标签来学习卷积网络的参数。 大体的思路如上图所示 这个方法非常应用的前景非常广(仅代表个人观点) 1、突破传统的图像分类的数据集制作方式(人工标注) 2、面对互联网时代,数据量每天都是爆炸式的增长,人工的方式根本不科学 3、将深度学习与传统的机器学习结合,表现得更加高大上 |
|