Generalized Category Discovery
https://arxiv.org/abs/2201.02609
Generalized Category Discovery
In this paper, we consider a highly general image recognition setting wherein, given a labelled and unlabelled set of images, the task is to categorize all images in the unlabelled set. Here, the unlabelled images may come from labelled classes or from nov
arxiv.org
새로운 task를 제안한다.
training set에 포함되어 있지 않은 unlabeled data의 class를 예측하는 task.
unseen class의 sample이 전혀 주어지지 않는 zero-shot과 다른 점이라면, GCD task는 dataset에 unlabeled data와 labeled data가 함께 포함되어 있지만 unlabeled data의 class는 모른다.
(1) pre-trainined DINO를 backbone으로 사용
(2) supervised Contrastive loss: batch 내에서 동일 class 두 이미지는 positive, 다른 클래스 이미지들은 negative
(3) self-supervised contrastine loss, 하나의 이미지로부터 두 개의 augmentation view를 얻고 둘을 positive, 나머지는 negative
(4) k means clustering으로 prediction. parametric classifier는 seen에 overfitting이 심하므로 clustering 방법을 사용한다.