초록
우리는 효과적인 순서 학습을 위한 순서 데이터를 위한 딥 리플러시브 클러스터링(DRC) 알고리즘을 제안한다. 먼저, 객체 인스턴스의 정보를 순서 관련 특징과 정체성 특징으로 분리하기 위해 순서-정체성 분해(ORID) 네트워크를 개발한다. 이후, 리플러시브 항을 사용하여 정체성 특징에 기반해 객체 인스턴스들을 클러스터로 묶는다. 또한, 동일 클러스터 내의 참조와 비교함으로써 테스트 인스턴스의 순위를 추정한다. 얼굴 연령 추정, 미적 점수 회귀, 역사적 색상 이미지 분류에 대한 실험 결과는 제안하는 알고리즘이 순서 데이터를 효과적으로 클러스터링할 뿐만 아니라 뛰어난 순위 추정 성능을 제공함을 보여준다.