![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
contrastive learning
文章平均质量分 92
飞花穿庭
这个作者很懒,什么都没留下…
展开
-
SPICE: Semantic Pseudo-Labeling forImage Clustering论文笔记
SPICE: Semantic Pseudo-Labeling forImage Clustering论文链接零碎知识网络架构1.特征模型聚类部分原型伪标签训练聚类部分 论文链接 零碎知识 早期的深度聚类模型学习autoencoder的隐层,但这存在一个问题,即autoencoder的重构误差是基于单个pixel,这就会导致模型过于关注图像低层次的信息,如颜色等,而忽略对象级别的特征。 网络架构 模型分为三步来训练模型。 1.特征模型 这个板块主要用来将图像映射到子空间,类似于autoencoder的en原创 2021-12-08 15:12:14 · 928 阅读 · 0 评论 -
Graph Contrastive Clustering论文笔记
Graph Contrastive Clustering论文链接总结零碎知识网络架构图的构成knn计算RGC部分损失AGC部分损失正则化损失总损失 论文链接 总结 这篇文章将对比学习运用到图神经网络上,并且将“正样本”的概念拓展到了原样本的邻居之间。 零碎知识 深度聚类主要分为两类,一类是基于重构的方法,一类是基于自增广的方法。前者使用autoencoder对子空间的向量表达进行约束,使其对聚类更为友好;后者利用原图像和该图像经转换后的图像(transformed image)之间的相似性,来训练模型。 网原创 2021-12-07 01:47:57 · 430 阅读 · 0 评论 -
Supporting Clustering with Contrastive Learning论文笔记
Supporting Clustering with Contrastive Learning 总结 跟之前读过的Contrastive learning一文整体相似(笔记),但是clustering head部分略有不同。 Instance-CL(contrastive learning)的问题 它虽然使正样本对之间距离减小,但它在增大负样本对之间距离时,只会尽可能增大它们之间的距离,而完全不顾它们之间的相似性。 网络 分为三部分:feature generator、instance-CL head、c原创 2021-11-05 11:50:19 · 832 阅读 · 1 评论 -
Contrastive Clustering论文笔记
Contrastive Clustering Summary CC:将得到的特征向量分别放入到实例层和聚类层中同时进行优化。 网络原创 2021-11-04 22:40:41 · 999 阅读 · 2 评论