开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-02-15
详细说明：扫描：学习对不带标签的图像进行分类
此仓库包含本文的Pytorch实现：
， ， ，Marc Proesmans和Luc Van Gool。
在ECCV 2020（ ）上接受。 在上Yannic Kilcher对我们论文的解释。
:NEW_button: 结果：在网站上检查基准，以进行或。
内容
:NEW_button: 教程部分已添加，结帐 。
:NEW_button: 添加了“先行工作”部分，签出“ 。
介绍
缺少地面真实注解时，是否可以将图像自动分组为语义上有意义的簇？ 在计算机视觉中，无监督图像分类的任务仍然是重要且公开的挑战。 最近有几种方法试图以端到端的方式解决这个问题。 在本文中，我们偏离了最近的工作，并提倡一种将特征学习和聚类分离的两步方法。
就分类准确性而言，我们的表现远远优于最新技术，尤其是CIFAR10的+ 26.6％，CIFAR100-20的+ 25.0％和STL10的+ 21.3％。 我们的方法是第一个在I
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
