#389
summarized by : 金城 忍
Neighborhood Contrastive Learning for Novel Class Discovery
Zhun Zhong, Enrico Fini, Subhankar Roy, Zhiming Luo, Elisa Ricci, Nicu Sebe

どんな論文か？

ラベル有り、無しデータを利用して、ラベル無しデータに対しては類似性に基づく疑似ラベルを使用しながら、両データに対して教師有り学習でエンコーダを学習する一方で、両方のデータに対して、それぞれ対称学習を実施し、ラベル有りデータの正例の集合と、ラベル無しデータの中で類似性が低いサンプルの集合を使用して、負例を追加する手法を提案

新規性

ラベル無しデータを利用しつつエンコーダを学習する一方で、ラベル有り、無しデータを利用し、それぞれの類似性の程度を考慮しつつ、負例を追加 (Hard negative generation) するという点で新規

結果

ResNet-18をバックボーンにして、CIFAR-{10, 100}及びImageNetを使用した評価では、提案手法が既存の手法より結果を達成する一方で、提案手法に負例の生成手法 (HNG) を適用した場合、CIFAR-100及びImageNetで更に良い結果を達成

その他（なぜ通ったか？等）

ResNet-18をバックボーンにして、CIFAR-{10, 100}及びImageNetを使用した評価では、提案手法が既存の手法より結果を達成する一方で、提案手法に負例の生成手法 (HNG) を適用した場合、CIFAR-100及びImageNetで更に良い結果を達成

このページで利用されている画像は論文から引用しています．