文件名称：scan_unsupervised:扫描+ MOCO无监督学习
文件大小：2.5MB
文件格式：ZIP
更新时间：2024-04-04 00:28:59
Python
学习对不带标签的图像进行分类 此回购包含我们论文的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。 :trophy: SOTA有4个基准。 检出用于或不 。 :NEW_button: 对无监督语义分割感兴趣吗？ 查看我们最近的工作： 。 内容 :NEW_button: 教程部分已添加，检出 。 :NEW_button: 添加了“先行工作”部分，签出“ 。 介绍 缺少地面真实注解时，我们可以将图像自动分组为语义上有意义的群集吗？ 无监督图像分类的任务仍然是计算机视觉中的重要且公开的挑战。 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。 在分类准确性方面，我们的表现远远超过最新技术，尤其是CIFAR10上的+ 26.6％，CIFAR100-20
【文件预览】：
scan_unsupervised-master
----images()
--------pipeline.png(1.47MB)
--------teaser.jpg(874KB)
--------prototypes_cifar10.jpg(7KB)
--------tutorial()
----moco.py(4KB)
----requirements.txt(3KB)
----data()
--------stl.py(7KB)
--------augment.py(4KB)
--------cifar.py(8KB)
--------imagenet.py(3KB)
--------custom_dataset.py(3KB)
--------imagenet_subsets()
--------tabledb.py(2KB)
----eval.py(6KB)
----TUTORIAL.md(6KB)
----models()
--------resnet_cifar.py(5KB)
--------models.py(2KB)
--------resnet_stl.py(5KB)
--------resnet.py(346B)
----LICENSE(19KB)
----losses()
--------losses.py(5KB)
----utils()
--------collate.py(1KB)
--------train_utils.py(5KB)
--------utils.py(3KB)
--------config.py(2KB)
--------common_config.py(12KB)
--------ema.py(691B)
--------evaluate_utils.py(7KB)
--------mypath.py(814B)
--------memory.py(3KB)
----scan.py(6KB)
----README.md(13KB)
----configs()
--------selflabel()
--------env.yml(107B)
--------scan()
--------pretext()
----moco_upd.py(5KB)
----.idea()
--------.gitignore(39B)
--------misc.xml(185B)
--------vcs.xml(180B)
--------inspectionProfiles()
--------Unsupervised-Classification.iml(443B)
--------modules.xml(306B)
----simclr_upd.py(6KB)
----bash()
--------moco.sh(373B)
----tutorial_nn.py(4KB)
----selflabel.py(5KB)
----simclr.py(6KB)
----logs()
--------scan_stl10.txt(100KB)