基于变分贝叶斯对比网络的非参数图像聚类方法

• 全文链接
• 请求原文

作   者：

张胜杰;  王一飞;  向旺;  薛迪展;  钱胜胜; 

作者机构：

中国科学院自动化研究所多模态人工智能系统全国重点实验室;  郑州大学河南先进技术研究院; 

关键词：

变分方法;  非参数图像聚类(NIC);  贝叶斯方法;  极化标签;  对比聚类; 

期刊名称：

模式识别与人工智能

i s s n：

1003-6059

年卷期：

2023 年 36 卷 009 期

页   码：

832-841

摘   要：

非参数图像聚类中聚类簇数是未知的,需要模型自动发现.虽然一些现有的贝叶斯方法可以自动推断聚类簇数,但由于计算成本过高或过于依赖已学习到的特征,在大规模图像数据集上并不可行.因此,文中提出基于变分贝叶斯对比网络的非参数图像聚类方法.首先,利用ResNet提取图像特征.然后,提出深度变分迪利克雷过程混合优化方法,自动推断聚类数量,可直接嵌入端到端的深度模型,并可与特征提取器进行联合优化.最后,提出极化对比聚类学习,利用极化标签去噪策略对标签进行去噪和极化处理,并利用极化标签与数据增强预测标签进行对比学习,联合优化图像特征提取器和分类器.在三个基准数据集上的实验表明,文中方法性能较优.