深度聚类
文章平均质量分 67
表征学习:自动编码器,变分编码器,对比学习
聚类模型:kmean聚类,scan聚类,deepdpm聚类等
没用的阿鸡
不知咋办
展开
-
自监督表征学习方法——BYOL(Bootstrap Your Own Latent)
学习良好的图像表示是计算机视觉中的一个关键挑战,因为它允许对下游任务进行有效的训练。许多不同的训练方法被提出来学习这种表征,通常依赖于视觉借口任务。 其中,最先进的对比方法是通过减少同一图像的不同增强视图的表示之间的距离和增加来自不同图像的增强视图的表示(负对)之间的距离来训练的。这些方法需要仔细处理负对,通过依赖大批量、内存库或定制的挖掘策略来检索负对。此外,它们的性能严重取决于图像增强的选择。原创 2023-02-13 14:18:45 · 1580 阅读 · 0 评论 -
自监督学习之掩码自动编码器(Masked Autoencoders, MAE)——音频识别方面
在这项工作中,主要研究了听的方面,即音频识别方面,如Audioset(规模最大的音频数据集),环境声识别(ESC-50),语音指令识别(SPC-2, SPC-1),说话人识别(VoxCeleb)。原创 2023-01-12 22:25:22 · 2036 阅读 · 0 评论 -
深度聚类方法之跨实例引导的对比聚类(Cross-instance guided Contrastive Clustering,C3)
该方法是在对比聚类(Contrastive Clustering,CC)上面的改进。原创 2023-01-11 21:38:01 · 826 阅读 · 0 评论 -
深度聚类方法之对比聚类(Contrastive Clustering,CC)
对比聚类,该方法是既可以分阶段,也可以端到端,同时也是在线学习的。原创 2023-01-10 21:43:35 · 3041 阅读 · 0 评论 -
无监督聚类表征学习方法之对比学习(Contrastive Learning)——simclr方法
对比学习是一种自监督学习方法,用于在没有标签的情况下,通过让模型学习哪些数据点相似或不同来学习数据集的一般特征。原创 2023-01-09 20:29:57 · 741 阅读 · 0 评论