【数据聚类|深度聚类】Contrastive Clustering(CC)论文研读
2023-04-18 16:47:56 时间
Abstract
翻译
在本文中,我们提出了一种名为对比聚类(Contrastive Clustering, CC)的单阶段在线聚类方法,它执行的是实例级和簇级对比学习。具体来说,对于一个给定的数据集,通过数据增广来构建正负例对,然后将其投影到特征空间中。在那里,实例级和簇级对比学习分别在行列空间中进行——通过最大化正对的相似性同时最小化负对的相似性。我们重点观察:特征矩阵的行可以被视为实例的软标签,相应地,列可以被进一步视为聚类表示。通过同时优化实例和簇级对比损失,模型便可以以端到端的方式同时学习表示和聚类分配。大量实验结果表明,CC在六个具有挑战性的图像基准测试中显着优于17种竞争聚类方法。特别地,CC在CIFA
相关文章
- EasyCVR对接华为iVS订阅摄像机和用户变更请求接口介绍
- 精选 | 腾讯云CDN内容加速场景有哪些?
- 模块化网络防止基于模型的多任务强化学习中的灾难性干扰
- 用搜索和注意力学习稳健的调度方法
- 用于多变量时间序列异常检测的学习图神经网络
- 助力政企自动化自然生长,华为WeAutomate RPA是怎么做到的?
- 使用腾讯轻量云搭建Fiora聊天室
- TSRC安全测试规范
- 云计算“功守道”
- 助力成本优化,腾讯全场景在离线混部系统Caelus正式开源
- Flink 利器:开源平台 StreamX 简介
- 腾讯云实践 | 一图揭秘腾讯碳中和?解决方案
- 深度学习中的轻量级网络架构总结与代码实现
- 信息系统项目管理师(高项复习笔记三)
- Adobe国际认证让科技赋能时尚
- c++该怎么学习(面试吃土记)
- 面试官问发布订阅模式是在问什么?
- 面试官:请实现一个通用函数把 callback 转成 promise
- 空中悬停、翻滚转身、成功着陆,我用强化学习「回收」了SpaceX的火箭
- 中山大学林倞解读视觉语义理解新趋势:从表达学习到知识及因果融合