火星车图像数据集的深度聚类
天体物理仪器与方法
2019-11-18 v1 地球与行星天体物理
机器学习
摘要
在本文中，我们构建自编码器以从火星车获取的无标签图像数据集中学习潜空间。随后，一旦潜特征空间被学习，我们使用 k-means 对数据进行聚类。我们在一个较小的有标签数据集上测试算法性能，并报告了良好的准确率以及与真实标签的一致性。这是首次尝试使用基于深度学习的无监督算法对火星车图像进行聚类。该算法可用于增强此类数据集的人工标注（其耗时费力），并加速火星车图像数据以及潜在的其他行星与空间图像的真实标签生成。
引用
@article{arxiv.1911.06623,
title = {Deep Clustering for Mars Rover image datasets},
author = {Vikas Ramachandra},
journal= {arXiv preprint arXiv:1911.06623},
year = {2019}
}