BriefGPT - AI 论文速递
·
基于通道的对比学习用于噪声标签学习
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了名为NCL的新框架，用于学习具有判别性的表示，并在聚类性能方面取得了显著提高。实验证明，该框架在CIFAR-100和ImageNet上的聚类准确性分别提高了13％和8％，超过了现有方法。
🎯
关键要点
-
本研究提出了名为NCL的新框架，旨在学习具有判别性的表示。
-
NCL框架创建了一个新的类别发现任务，用于聚类性能。
-
该框架利用特征提取器生成的表示来检索和聚合伪正对。
-
通过在特征空间中混合标记和未标记的样本，生成难以区分的样本。
-
实验证明，NCL框架显著提高了聚类性能。
-
在CIFAR-100和ImageNet上，聚类准确性分别提高了13％和8％。
-
NCL框架的性能远超现有方法。
➡️
