SPICE-Semantic Pseudo-Labeling for Image Clustering

根据kmeans等自创了一种聚类方法,挺不错的

具体来说，我们将网络训练分为三个阶段，如图3所示。首先，我们通过实例级对比学习来优化特征模型F，该学习强制来自同一图像不同变换的特征相似，并且来自不同图像的特征相互区分。其次，我们用提出的原型伪标记算法优化集群头C，同时冻结在第一阶段学习的特征模型。第三，我们结合提出的可靠伪标记算法来优化特征模型和簇头。

其中表示聚类中,我们要计算和聚类中心的余弦相似度,并选择近的样本给,表示为:
具体的一个示例如下:

聚类损失为:换句话说,使得cluster的标签尽量和真实的标签()相同
其中,是交叉熵损失函数,
我们使用双softmax函数来计算