7月7日消息，针对自监督学习的深度聚类是无监督视觉表示学习中一个非常重要和有前途的方向，因为设计前置任务需要较少的领域知识。而关键组件嵌入聚类由于需要保存整个数据集的全局潜在嵌入，限制了其扩展到超大规模的数据集。海康威视在论文《Unsupervised Image Classification for Deep Representation Learning》中，提出了一种不使用嵌入聚类的无监督图像分类框架，与标准的监督训练方法非常相似。为了进一步解释，他们进一步分析了其与深度聚类和对比学习的关系，在ImageNet数据集上进行了大量的实验，验证了该方法的有效性。此外，在迁移学习基准上的实验验证了它对其他下游任务的推广，包括多标签图像分类、目标检测、语义分割和小样本图像分类。