RUC(Unsupervised Image Clustering with Robust Learning)是一种为改善聚类性能而提出的图像分类方法,但是由于它的协同训练仅适用于双视图数据集,并且没有考虑到数据之间相似性对其伪标签采样策略的影响,此外其使用的Mixmatch只是单...RUC(Unsupervised Image Clustering with Robust Learning)是一种为改善聚类性能而提出的图像分类方法,但是由于它的协同训练仅适用于双视图数据集,并且没有考虑到数据之间相似性对其伪标签采样策略的影响,此外其使用的Mixmatch只是单纯地进行k次随机增强求均值却没有考虑到强增强与弱增强的联系。为了解决这些问题,该文提出了HFC(classification method based on Hybrid sampling strategy and Fixmatch)。首先,设计了一种置信度与距离的伪标签采样策略,联合两种策略以提高筛选到正确标签的概率;其次,使用Tri-training取代Co-training,即通过两个分类器指导第三个分类器进行训练,使得模型不再受限于双视图数据集;最后,采用目前较好的Fixmatch的数据增强方法取代RUC中Mixmatch随机增强,以突出强增强与弱增强的联合作用。HFC在CIFAR-10、CIFAR-100和STL-10数据集上进行实验,取得了较好的结果,验证了该方法的有效性。展开更多
文摘RUC(Unsupervised Image Clustering with Robust Learning)是一种为改善聚类性能而提出的图像分类方法,但是由于它的协同训练仅适用于双视图数据集,并且没有考虑到数据之间相似性对其伪标签采样策略的影响,此外其使用的Mixmatch只是单纯地进行k次随机增强求均值却没有考虑到强增强与弱增强的联系。为了解决这些问题,该文提出了HFC(classification method based on Hybrid sampling strategy and Fixmatch)。首先,设计了一种置信度与距离的伪标签采样策略,联合两种策略以提高筛选到正确标签的概率;其次,使用Tri-training取代Co-training,即通过两个分类器指导第三个分类器进行训练,使得模型不再受限于双视图数据集;最后,采用目前较好的Fixmatch的数据增强方法取代RUC中Mixmatch随机增强,以突出强增强与弱增强的联合作用。HFC在CIFAR-10、CIFAR-100和STL-10数据集上进行实验,取得了较好的结果,验证了该方法的有效性。
