利用空间变换层改进深度图像聚类
计算机视觉与模式识别
2019-10-25 v2 机器学习
机器学习
摘要
图像聚类是机器学习中重要但具挑战性的任务。如同大多数图像处理领域，最新改进来自基于深度学习方法的模型。然而，经典深度学习方法难以处理尺度与旋转等空间图像变换。本文中，我们提出使用视觉注意力技术来缓解图像聚类方法中的该问题。我们评估了称为深度自适应聚类（DAC）的深度图像聚类模型与空间变换网络（STN）的组合。所提模型在 MNIST 与 FashionMNIST 数据集上评估，并优于基线模型。
引用
@article{arxiv.1902.05401,
title = {Improving Deep Image Clustering With Spatial Transformer Layers},
author = {Thiago V. M. Souza and Cleber Zanchettin},
journal= {arXiv preprint arXiv:1902.05401},
year = {2019}
}