计算机工程与科学

作者：刘合兵, 孔玉杰, 席 磊, 尚俊平

单位：河南农业大学信息与管理科学学院,河南 郑州 450046

关键词：对比学习,解耦对比损失,卷积注意力模块,图像聚类,数据增强,

基金：河南省科技攻关项目（212102110204）；河南省研究生教育改革与质量提升工程项目（YJS2023AL046）

为解决对比聚类正负样本之间负正耦合的问题，提出融合注意力机制的解耦对比聚类DCCIAM方法。首先,使用数据增强手段将图像数据进行扩充得到正样本对和负样本对；其次,在骨干网络中加入卷积注意力模块CBAM使网络更加关注目标特征，并将扩充后的图像数据输入骨干网络得到特征；再次，将特征经过神经网络投影头，分别计算实例损失和聚类损失；最后，联合实例损失和聚类损失进行特征表示及聚类分配。为验证DCCIAM方法的有效性，在公共图像数据集CIFAR-10、STL-10和ImageNet-10上进行实验，聚类准确率分别达到了80.2%，77.0%和90.4%。结果表明，融合注意力机制的解耦对比聚类方法在图像聚类任务中的性能表现突出。

来源：2024年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第12期