CLUSTERING-FRIENDLY REPRESENTATION LEARNING VIA INSTANCE DISCRIMINATION AND FEATURE DECORRELATION
论文链接
网络
网络主要目的有两个:一个是使个体与自己的相似度最大,另外一个是减少不同维度特征之间的相关性。
网络是”两步走“的模型:先学习特征,然后用k-means聚类。
网络总括
先用一个CNN将原始图像映射到 d d d维,映射后的向量表达集合用 V V V表示;上图中L2 norm代表使特征的L2范式值为1。
通过CNN获得隐层表达后,就可以用k-means进行聚类了。