【CVPR2020】在线深度聚类的无监督表示学习, Online Deep Clustering for Unsupervised Representation Learning

题目： Online Deep Clustering for Unsupervised Representation Learning

摘要：

联合聚类和特征学习方法在无监督表示学习中表现出了显著的效果。但是，特征聚类和网络参数更新训练计划的交替导致视觉表征学习的不稳定。为了克服这个挑战，我们提出在线深度集群(ODC)，它可以同时执行集群和网络更新，而不是交替进行。关键见解是，聚类中心应该稳步发展，以保持分类器的稳定更新。具体来说，设计和维护了两个动态内存模块，即样本记忆用于存储样本标签和特征，中心记忆用于中心进化。我们将全局聚类分解为稳定的内存更新和成批的标签重新分配。该过程被集成到网络更新迭代中。通过这种方式，标签和网络齐头并进，而不是交替发展。大量的实验表明，ODC能够稳定训练过程，有效地提高训练性能。