摘要

有监督或半监督学习非常强大，但依赖于不断增长的人工标注工作。为了解决这一严重问题，并满足特定应用的需求，无监督学习作为重要的研究领域应运而生。在计算机视觉中，无监督学习以多种形式出现。本文重点讨论在图像集合中无监督发现和匹配物体类别的问题，这是基于Cho等人2015年的工作进行的。我们证明了原始方法可以重新表述并作为一个适当的优化问题来解决。通过在多个基准数据集上的实验，验证了我们方法的有效性。