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 · 932 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 · 435 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 · 837 阅读 · 1 评论 -
Contrastive Clustering论文笔记
Contrastive ClusteringSummaryCC: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 · 1004 阅读 · 2 评论