用于图像聚类的嵌入学习：三元组损失方法实证研究
计算机视觉与模式识别
2020-07-08 v1
摘要
在这项工作中，我们在三元组损失（Triplet Loss）诱导的特征空间嵌入背景下，评估了两种不同的图像聚类目标：k-means聚类和相关聚类（correlation clustering）。具体而言，我们训练一个卷积神经网络，通过优化两个流行的三元组损失变体来学习判别性特征，以在含噪标签假设下研究其聚类特性。此外，我们提出了一种简单的新三元组损失形式，其在形式化聚类目标方面表现出理想特性，并优于现有方法。我们在CIFAR-10图像分类数据集上针对K-means和相关聚类评估了所有三种三元组损失形式。
引用
@article{arxiv.2007.03123,
title = {Learning Embeddings for Image Clustering: An Empirical Study of Triplet Loss Approaches},
author = {Kalun Ho and Janis Keuper and Franz-Josef Pfreundt and Margret Keuper},
journal= {arXiv preprint arXiv:2007.03123},
year = {2020}
}