文章目录
- Abstract
- Introduction
- Related Work
-
- Contrastive Learning
- Deep Clustering
- Method
Abstract
翻译
在本文中,我们提出了一种名为对比聚类(Contrastive Clustering, CC)的单阶段在线聚类方法,它执行的是实例级和簇级对比学习。具体来说,对于一个给定的数据集,通过数据增广来构建正负例对,然后将其投影到特征空间中。在那里,实例级和簇级对比学习分别在行列空间中进行——通过最大化正对的相似性同时最小化负对的相似性。我们重点观察:特征矩阵的行可以被视为实例的软标签,相应地,列可以被进一步视为聚类表示。通过同时优化实例和簇级对比损失,模型便可以以端到端的方式同时学习表示和聚类分配。大量实验结果表明,CC在六个具有挑战性的图像基准测试中显着优于17种竞争聚类方法。特别地,CC在CIFA