[IEEE | 论文简读] 深度自适应图像聚类
论文 深度 图像 适应 简读 聚类 IEEE
2023-06-13 09:16:24 时间
简读分享 | 崔雅轩 编辑 | 王宇哲
论文题目
Deep Adaptive Image Clustering
论文摘要
图像聚类是机器学习和计算机视觉中的一项关键但具有挑战性的任务。现有的方法往往忽略了特征学习和聚类之间的结合。为了解决这一问题,作者提出了深度自适应聚类(DAC),该方法将聚类问题重新定义为一个二分类框架,以判断图像对是否属于同一类别。在DAC中,相似度计算由深度卷积网络(ConvNet)的特征和图像的标签构建余弦距离。通过在DAC中引入一个约束条件,学习到的标签特征往往是可以更好应用在图像聚类。主要的挑战是图像聚类中真实标签是未知的。我们通过提出一个交替迭代自适应学习算法来解决这个问题。总之,图像是根据标签特征自动聚类的。实验结果表明,DAC在5个当前的数据集上取得了最好的结果,如在MNIST上达到97.75%,在CIFAR-10上达到52.18%,在STL-10上达到46.99%。
论文链接
https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=8237888&tag=1
相关文章
- 莱斯大学胡侠团队 ICML 2022 杰出论文: 新型图数据增强方法 G-Mixup|附作者对话
- 英文论文引用文献_外国绘本论文参考文献
- 【论文阅读】Modeling Extreme Events in Time Series Prediction
- EMNLP2022 | “Meta AI 9篇接受论文”,其中7篇主会、2篇Findings
- ECCV2022 &CVPR2022论文速递2022.7.6!
- ECCV2022 &CVPR2022论文速递2022.7.15!
- [Genome Biology | 论文简读] 通过解释深度学习模型识别癌症的常见转录组特征
- [Nature Communications | 论文简读] ProtGPT2是一个用于蛋白质设计的深度无监督的语言模型
- [Nat. Commun. | 论文简读] 一个连接分子结构和生物医学文本的深度学习系统,其理解力可与人类专业人士相媲美
- [Genome Biology | 论文简读] 在评估单细胞RNA-seq数据聚类时考虑细胞类型层次关系
- [ARXIV | 论文简读] 混合自编码器的深度无监督聚类
- [Nature Machine Intelligence | 论文简读] 分子表示的几何深度学习
- [Genome Biology | 论文简读] 以知识为基础的神经网络能够对单细胞测序数据进行生物学上可解释的深度学习
- 【深度学习】深度学习三维人体建模最新论文、资源、数据、代码整理分享
- 【Python】这篇罕见的符号编程论文,让你在Jupyter Notebook中手绘草图并变成代码
- 史上最全Transformer合集!LeCun力推:给60个模型建目录,哪篇论文你错过了?
- PRICAI 2016 论文精选 | 最大间距二叉树纠错输出码
- 朋克学术大牛上演“换头术”,原来深度学习还能这样玩!(附论文下载)|SIGGRAPH ASIA 2016
- 苹果首份AI论文横空出世,提出SimGAN训练方法
- 引用次数最多的深度学习论文出自谁手?(无监督学习/生成模型篇)
- IROS数据分析:中国论文第四 深度学习不敌路径规划 | IROS 2017