【ECCV2020-海康威视】用于深度表示学习的无监督图像分类

针对自监督学习的深度聚类是无监督视觉表示学习中一个非常重要和有前途的方向，因为设计前置任务需要较少的领域知识。而关键组件嵌入聚类由于需要保存整个数据集的全局潜在嵌入，限制了其扩展到超大规模的数据集。在这项工作中，我们的目标是使这个框架在不降低性能的情况下更加简单和优雅。提出了一种不使用嵌入聚类的无监督图像分类框架，与标准的监督训练方法非常相似。为了进一步解释，我们进一步分析了其与深度聚类和对比学习的关系。在ImageNet数据集上进行了大量的实验，验证了该方法的有效性。此外，在迁移学习基准上的实验验证了它对其他下游任务的推广，包括多标签图像分类、目标检测、语义分割和小样本图像分类。

地址：

https://arxiv.org/abs/2006.11480

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“UCDRL” 可以获取《ECCV2020-海康威视-用于深度表示学习的无监督图像分类》专知下载链接索引

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源