基于类别-风格表示的图像深度聚类
计算机视觉与模式识别
2020-07-21 v1 机器学习
摘要
近年来，采用深度神经网络获取最优表示以用于聚类的深度聚类得到了广泛研究。本文提出一种新颖的图像深度聚类框架，学习一种类别-风格潜在表示，其中类别信息与图像风格解耦，并可直接用作聚类分配。为实现该目标，应用互信息最大化将相关信息嵌入潜在表示中。此外，采用增强不变性损失将表示解耦为类别部分和风格部分。最后同样重要的是，对潜在表示施加先验分布，以确保类别向量的各元素可用作聚类上的概率。综合实验表明，所提方法在五个公开数据集上显著优于当前最优（SOTA）方法。
引用
@article{arxiv.2007.10004,
title = {Deep Image Clustering with Category-Style Representation},
author = {Junjie Zhao and Donghuan Lu and Kai Ma and Yu Zhang and Yefeng Zheng},
journal= {arXiv preprint arXiv:2007.10004},
year = {2020}
}
备注
Accepted at ECCV 2020. Project address: https://github.com/sKamiJ/DCCS