betashort
commented
4 years ago Abstract
"joint unsupervised learning of deep representations"と画像クラスタリングのためのリカレントフレームワークを提案する。 提案したクラスタリングアルゴリズムの連続した操作は、リカレント処理で表現され、また、CNNによって出力した特徴量をスタックさせる。 訓練時、画像のクラスタまたは特徴は、以下の動作でそれぞれ更新される。画像クラスタリングは順方向、一方、特徴量(表現)学習は逆方向でで決定される。 このフレームワークに隠された重要なアイデアは、いい特徴量は画像クラスタリングにとって有益であることと、クラスタリングの結果は、教師データになりえることである。 単一モデルでの、統一された重み３つの損失関数とend-to-endでの最適化という２つの処理によって、より強力な特徴量だけでなく、より正確な画像のクラスタを得ることができる。 広範囲の実験で、この手法が様々なデータセットの画像クラスタリングで最高水準であることが分かった。 さらに、学習した特徴量は、他のタスクに転用することが出来る。 ソースコードは、https://github.com/jwyang/joint-unsupervised-learning
0. 論文情報・リンク
論文リンク：https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7780925 公開日時： 実装コード：https://github.com/jwyang/JULE.torch Publication :
1. どんなもの？
2. 先行研究と比べてどこがすごいの？
3. 技術や手法の"キモ"はどこにある？
4. どうやって有効だと検証した？
5. 議論はあるか？
6. 次に読むべき論文はあるか？
7. 実装
8. 参考文献