一个适配器来触发半监督学习到外置服务深度图像集群
概括
这项研究介绍了ASD,这是用于深度图像集群的适配器. ASD可以在没有预训练的情况下实现自主监督学习 (SSL),实现竞争性表现并提高现有方法.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 深度集群方法通常需要预训练或训练模型,限制灵活的应用.
- 整合自主监督学习 (SSL) 增强了图像聚类,但面临着类似的先决条件.
研究的目的:
- 介绍ASD,一个适配器,使冷启动自主监督学习用于深度图像集群.
- 在图像集群中删除SSL的预训练或训练模型等先决条件.
主要方法:
- ASD采样伪标记数据,并使用实例级分类器进行初始学习.
- 追踪预测类过渡以提取集群级标签赋值的高层相似性.
- 使用带有集群级标签的伪标签数据来训练一般的SSL学习者进行图像集群.
主要成果:
- 与最先进的深度集群方法相比,ASD在基准指标上表现优越.
- 与地面真相SSL方法相比,实现了最小的准确差距 (例如,在CIFAR-10上1.33%).
- 有效地提高现有的SSL嵌入式深度图像集群技术的性能.
结论:
- ASD提供了一种灵活的,即时准备的解决方案,用于使用SSL进行深度图像集群.
- 该适配器成功地使SSL学习者在没有事先培训的情况下能够冷启动SSL学习.
- ASD在将SSL应用于图像集群任务方面取得了重大进展.
