[2019][CVPR]Balanced Self-Paced Learning for Generative Adversarial Clustering Network 笔记

最新推荐文章于 2024-06-21 15:55:49 发布
最新推荐文章于 2024-06-21 15:55:49 发布
阅读量1.3k 收藏 3
点赞数
分类专栏： 计算视觉和图像处理 文章标签： 聚类 deep cvpr
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010510549/article/details/94380425
版权

paper：paper
补充材料：supp
在这里插入图片描述
一篇cvpr深度聚类文章

简介

浅层模型难以捕捉非线性特征，并且应用到大数据及上有困难。深度学习方法则容易产生过拟合。本文提出方法ClusterGAN，解决问题。利用GAN解决聚类问题，同时对self-paced进行改进成balanced self-paced方法。模型分为三个部分，一个生成器G，一个判别器D和一个聚类器C。聚类器负责对 x x x提取特征并返回一个具有类别信息的变量 z z z。生成器负责从一个具有类别信息的变量 z ′ z' z′产生出一个样本 x ′ x' x′。判别器负责判别 ( z , x ) (z,x) (z,x)对来自生成器还是聚类器。对模型进行学习就可以得到聚类信息

在这里插入图片描述

模型方法

聚类器 C \mathcal{C} C的输出层是一个sigmoid层，可以用来表示样本间余弦相似度，
在这里插入图片描述
  为了表示聚类关系，我们可以期望得到的样本相似度矩阵是一个对角块矩阵，每一个块是同一个类别的相似性。为了达到这个目的，让生成器 G G G的输入关于同类别为平行向量，不同类别的为正交的。假设 z z z的维度为 m m m个样本， c c c为类别数，让 z z z为一个0,1向量，其中 m / c m/c m/c个为1，其余的为0。为了使样本多样性，生成同一个类别的多个样本，让 z z z再加上一个均匀随机的noise。

  生成器和聚类器得到的 ( z , x ) (z,x) (z,x)对的联合分布可以拆分为
p ( z , x ^ ) = p ( z ) p G ( x ^ ∣ z ) p ( z ^ , x ) = p ( x ) p

最低0.47元/天 解锁文章
_Cade_
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
自步学习的损失函数
稳稳的博客
04-18 1913
自步学习（Self-Paced Learning）的损失函数 对文章 Self-paced Learning-for Latent Variable Models 中损失函数的由来进行解读 （最好对应着原论文看哦~） 不谈SPL的理论了，别的资料里说的很多~只聊聊损失函数的形式 之后有机会分析下以下三篇 Self-paced Convolutional Neural Networks ...
CVPR2019论文列表（中英对照）
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
聚类综述-聚类算法综述-图像聚类-clustering
一定要努力啊的博客
03-02 1614
首先跟大家说句抱歉，由于个人原因并且现在所研究领域与之前发表的文章有些许不同，所以已经很久没有更新文章了，等完成学业后我尽量把之前遗留的问题解决。最近我的老师让我整理一些图像聚类方面的文章并写项目书以方便申报项目，由于本人接触图像聚类领域较少，所以上网搜了一些博客以及论文来看，链接都在下方，如果有感兴趣的可以点进去看看，同时也为了我方便做后面的文章的总结工作。 1.聚类有哪些。https://blog.csdn.net/zidaoziyande/article/details/80565244 2.层次
CVPR最佳学生论文！1千万张图像、跨越45万+物种的超大数据集，多模态模型BioCLIP实现零样本学习
最新发布
HyperAI超神经
06-21 956
尽管，与 ImageNet-1k 等通用领域数据集相比，iNat21 的分类广度有极大提升，但对于生物学而言，1 万个物种仍是凤毛麟角。借助生物学数百年研究所积累的经验，研究人员认为，如果基础模型能够成功编码标注空间的结构，那么即便没有见过某个特定物种，模型就可能已经能够识别其所对应的属 (genus) 或科 (family) 并给出相应的表征，而这种层级表征 (hierarchical representation) 将有助于实现新分类群的少样本、甚至零样本学习。左侧一列为 BioCLIP 的正确预测。
balanced task clustering
07-27
介绍均衡的集群算法，用于复杂工作流应用当中的不均衡运行时间和依赖关系
Self-paced Learning 自步学习
Bear_Kai的专栏
09-01 1万+
在刚结束的IJCAI-17上了解到自步学习，觉得蛮有意思，它的思想很简单，然后用简洁的数学式子来表达这种思想感觉很棒。以下内容转自Longfei Han主页。1. 自步学习现有机器学习方法都需要解决非凸优化问题，例如学习感知机或深度置信网，传统的优化方法在避免非凸优化问题陷入较差局部解时，往往采用多次随机初始化方式训练模型，然后选择其中效果最好的初始化结果构建模型。然而这种方法过于adhoc，而且计
目标检测CVPR大纲 Depth-Aware Generative Adversarial Network for Talkin
01-14
深度感知生成对抗网络（Depth-Aware Generative Adversarial Network，简称DaGAN）是目标检测领域中的一种创新技术，尤其在生成对话头像视频方面表现出色。它结合了深度信息与生成对抗网络（Generative Adversarial ...
A Self-supervised Approach for Adversarial Robustness.pdf
10-19
本文总结了A Self-supervised Approach for Adversarial Robustness论文的要点，该论文发表于CVPR会议，主要讨论了深度神经网络（Deep Neural Network，DNN）对抗攻击的鲁棒性问题。 深度神经网络对抗攻击的威胁 ...
Self-Guided and Cross-Guided Learning for Few-Shot Seg.pptx
11-24
【标题】：“Self-Guided and Cross-Guided Learning for Few-Shot Segmentation”指的是在小样本分割场景下，利用自我引导和交叉引导学习策略提升模型的分割性能。 【描述】：这篇论文主要讨论的是如何在小样本...
2019-CVPR-Multi-Similarity Loss with General Pair Weighting for
08-08
2019年的CVPR会议上，码隆科技发布了一篇名为《Multi-Similarity Loss with General Pair Weighting for Deep Metric Learning》的研究论文，提出了一个新的损失函数框架——多相似度损失（Multi-Similarity Loss，...
cvpr2019_Pyramid-Feature-Attention-Network-for-Saliency-detection:显着性检测的金字塔特征选择网络的代码和模型
05-11
cvpr2019_金字塔特征注意网络以进行显着性检测 赵婷和吴相干撰写的CVPR 2019论文“用于显着性检测的金字塔特征注意网络”的源代码。 （ ） 下载显着性地图 为了方便起见，我们提供了本文中使用的基准数据集的显着...
学习笔记：Self-Paced Learning
yxz3024的博客
06-03 3918
自主学习类似于主动学习（active learning）从未知标签中选取数据加入已知标签训练，不同的是，主动学习每次选取具有特征最丰富的点，然后将这个点返回到数据库中去查询，得到一个LABEL然后去更新分类器。然而，自主学习起源于课程学习（curriculum learning），它根据学生的学习能力去选取课程，因而自主学习每次选取最简单的特征点集，然后到复杂，每次选取的个数不同，这样训练的好处就...
[2019][cvpr]Label Propagation for Deep Semi-supervised Learning 笔记
kdh的专栏
07-01 2770
code paper 一篇半监督学习文章，基于图标签传播的转导学习。 主要步骤如下：1.用有label的样本学习一个特征提取器和对应分类器。2.基于特征提取器提取的特征计算所有样本（包括无label）之间的相似度。3.基于有label样本的label和相似度矩阵，计算出样本的伪label。4.用伪label进行监督学习。重复2到4这个步骤。 文章不是按算法的顺序进行介绍的，它先介绍别人的部分，然后...
GAN 2019 论文整合（粗）
Lucifer_Ji的博客
05-26 4052
CVPR2019(只整理了可能与通用模型改进相关的): GANFIT: Generative Adversarial Network Fitting for High Fidelity 3D Face Reconstruction Mode Seeking Generative Adversarial Networks for Diverse Image Synthesis Feedback...
【CVPR2019】论文完整列表一
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
自步学习的介绍 self paced learning
chumingqian的博客
08-31 948
这方面的研究专家，参考西安交通大学的 孟德宇老师他最近的研究方向： Fundamental problems in machine learning and computer vision, especially including:Meta-learning Variational bayesian methods on inverse problems Robust and interpretable deep learninghttps://ojs.aaai.org/index.php/AAAI/ar
自步学习（Self-paced Learning）
热门推荐
机器学习知识点整理
01-23 2万+
这篇文章旨在介绍自步学习的基本概念及最基础的算法原理。我们先看自步学习的定义，在了解自步学习之前，有必要看一看什么是课程学习：-2009年Bengio教授在ICML上提出课程学习。-课程学习是通过模拟人的认知机理，首先学习简单的、普适性的知识结构，然后逐渐增加难度，过渡到学习更复杂、更专业化的知识。而自步学习在课程学习上进行了改进：-Koller教授在2010年NIPS上给出了自步学习的数学表达。...
论文学习 Deep Adversarial Subspace Clustering
weixin_44177594的博客
04-22 1153
deep adversarial subspace clutering前提知识子空间聚类摘要introduction 前提知识 子空间聚类 随着大数据时代的到来，产生了大量不一致数据、混合类型数据和部分值缺失的数据等。典型的聚类算法对这些数据集聚类时遇到难题。例如在高维稀疏数据中，簇类只存在部分属性构成的子空间中，这些数据集从全维空间来讲根本不存在簇类。一般来说，样本之间的差异往往是由若干个关键的特征所引起的，如果能恰当的找出这些重要特征，对建立合理的聚类或分类模型都将起到积极的作用。因此提出了子空间聚类。
【文献阅读】Perceptual Generative Adversarial Networks for Small Object Detection –CVPR-2017
06-06
好的，我了解了你的要求。关于你提到的这篇论文，是一篇关于小目标检测的研究，作者提出了一种基于感知生成对抗网络...这篇论文发表在2017年的计算机视觉与模式识别会议（CVPR）上。如果你还有其他问题，可以随时问我。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值