深度聚类,用于视觉特征的无监督学习 消息 我们发布了新的自我监督方法SwAV的和。 SwAV使用ResNet-50将自我监督学习与ImageNet上的监督学习仅相距1.2%! 它结合了在线聚类和多作物数据增强功能。 我们还介绍了DeepCluster-v2,它是DeepCluster的改进版本(ResNet-50,更好的数据增强,余弦学习速率表,MLP投影头,质心的使用,...)。 查看。 深度集群 该代码实现了卷积神经网络或卷积网络的无监督训练,如论文所述。 此外,我们提供了本文中使用的评估协议代码: Pascal VOC分类 激活的线性分类 实例级图像检索 最后,该代码还包括可视化模块,该可视化模块允许以可视方式评估学习到的功能的质量。 要求 Python安装版本2.7 SciPy和scikit-learn软件包 一个PyTorch安装版本0.1.8( ) CUDA 8.0