SUVR：一种基于搜索的无监督视觉表征学习方法
计算机视觉与模式识别
2023-05-25 v1 机器学习
摘要
由于标注数据收集困难以及现代框架的发展使我们能够从无标签数据中学习，无监督学习日益受到关注。然而，现有研究要么忽视不同相似度层级上的差异，要么仅考虑来自单个批次的负样本。我们认为图像对应具有不同程度的相似性，且负样本应允许从整个数据集中抽取。本文中，我们提出基于搜索的无监督视觉表征学习（SUVR），以无监督方式学习更好的图像表征。我们首先根据图像间相似性从图像数据集构建图，并采用图遍历概念来探索正样本。同时，我们确保负样本可从完整数据集中抽取。在五个基准图像分类数据集上的定量实验表明，SUVR 在无监督嵌入学习上显著优于强竞争方法。定性实验也显示，SUVR 能产生更好的表征，在潜空间中相似图像比不相关图像聚类更紧密。
引用
@article{arxiv.2305.14754,
title = {SUVR: A Search-based Approach to Unsupervised Visual Representation Learning},
author = {Yi-Zhan Xu and Chih-Yao Chen and Cheng-Te Li},
journal= {arXiv preprint arXiv:2305.14754},
year = {2023}
}
备注
ICASSP 2023