关键词overconfidence problem
搜索结果 - 2
- 朝着校准的深度聚类网络
深度聚类存在过度自信问题,本研究开创性地提出了一个校准深度聚类框架,通过引入一个新的双头深度聚类流程来有效校准预测的置信度和实际准确性,通过规范化方法调整聚类流程中过度自信的预测,动态选择可靠的高置信度样本进行训练,并引入一种有效的网络初始 - CVPR利用强健学习改进无监督图像聚类
本文提出了一种创新的 RUC 模型,利用已有的无监督图像聚类模型的伪标签作为噪声数据集,重新训练过程可以修正错误的知识并缓解预测中的过度自信问题。该模型具有良好的灵活性,可以用作其他聚类方法的附加模块,并帮助其在多个数据集上取得更好的性能。