Unsupervised Deep Learning by Neighbourhood Discovery
论文的idea
Unsupervised Feature Learning via Non-Parametric Instance Discrimination提出将每一个sample看作一个instance,这样便可以learn出比较好的结果。这样即便是类别一致的instance也要被强制分开。但是其实这篇文章已经设置了softmax with temprature 来使得监督信号不必要太强来保留一部分inter-instance relation。ICML2019的Unsupervised Deep Learning by Neighbourhood Discovery希望显示地来发掘neighbourhood 使得在一个局部(论文中的AN)尽量class consistent。而相对于Non-Parametric Instance Discrimination这篇文章进行了一些改动。将positive samples增加了neighbough内的样本,而这些样本的产生也很简单,直接KNN产生K个样本点。
所以loss function中的正样本概率增加到了 N K \mathcal{N}_K