Minderung der Embedding- und Klassenzuweisungsinkonsistenz bei unsupervisierter Bildklassifikation

Unüberwachtes Bildklassifizieren ist eine anspruchsvolle Aufgabe im Bereich des maschinellen Sehens. Deep-Learning-basierte Algorithmen haben hervorragende Ergebnisse erzielt, wobei der neueste Ansatz gemeinsame Verlustfunktionen aus dem Embedding- und dem Klassenzuweisungsprozess nutzt. Da diese beiden Prozesse inhärent unterschiedliche Ziele verfolgen, kann ihre gemeinsame Optimierung zu einer suboptimalen Lösung führen. Um diesen Limitationen entgegenzuwirken, schlagen wir einen neuartigen zweistufigen Algorithmus vor, bei dem ein Embedding-Modul zur Vortrainingsschicht einem Nachbearbeitungsmodul folgt, das Embedding und Klassenzuweisung gleichzeitig durchführt. Unser Modell erreicht bei mehreren Datensätzen eine bessere Leistung als die derzeitigen State-of-the-Art-Methoden: Bei unüberwachten Aufgaben erzielt es eine erheblich höhere Genauigkeit von 81,0 % für den CIFAR-10-Datensatz (Steigerung um 19,3 Prozentpunkte), 35,3 % für CIFAR-100-20 (9,6 pp) und 66,5 % für STL-10 (6,9 pp).