profunda Cluster
La agrupación profunda de aprendizaje no supervisado de características visuales
enlace: Deepcluster
utilizando un algoritmo de agrupamiento para generar la etiqueta (pseudo-etiquetas) de clasificación clasificador orientación. La agrupación y clasificación algoritmos utilizan el mismo extractor de características.
DeeperCluster
Profunda + auto-supervisión de conglomerados (ángulo de rotación predicho)
proceso de algoritmo es el siguiente:
1. El objetivo final es ser una red entrenada extracción de características bien. Así, inicializa por primera vez una red de extracción de características no entrenado para extraer función de imagen.
2. agrupación (Clustering) por k-medias ofrecen imágenes de todos (no rotación), m se divide en categorías. (Imágenes no giradas de cada categoría tienen una etiqueta)
3. Extender las categorías M: el cálculo de un producto cartesiano "ángulo de tipo de rotación" (4 tipos) y "categorías M" para dar 4m nuevas categorías. Después de cada rotación de la imagen, pertenece a un tipo de categorías 4m interior. (Una imagen de cada categoría girado tiene una etiqueta)
para cada clase de 4,4 millones categorías, usando de nuevo las k-medias respectivamente característica que pertenecen a esta clase de imagen de agrupamiento, k sub-dividida en categorías. (Después de cada rotación de la imagen, en una categoría a continuación, no ha habido una etiqueta subclase)
5. Construcción de una categoría clasificador (categorías 4m), cada categoría y luego la siguiente estructura 1 subclase clasificador (4 subclases), un total de 1 + 4 m clasificadores. Todas las categorías se dividen en dos partes: una extracción de características de la red, la red de clasificación. Clasificador diferente extracción se comparte la red, diferente clasificación de la red. La agrupación de la pérdida más profunda luego a entrenar, entrenar las épocas t.
Después de un 6.T épocas, vuelva al paso 2.
