即插即用提分类
利用类内相关性提升自监督表征学习效果，避免聚类误差累积，即插即用，图像视频场景均可受益。
刘悦 · Xiangzhen, Zan · Li, Xianbin · Wenbin, Liu · 方刚
Pattern Recognition 2024
通过在线聚类并惩罚低置信度的聚类样本，即时减少错误聚类对后续训练的影响，使类内相关性的利用更可靠。
无需修改现有自监督学习框架或数据流程，直接插入即可在图像和视频任务上获得一致的线性分类性能提升。
在多种实验设置下，该方法在图像和视频场景中均大幅提升了自监督预训练模型的线性分类性能。