前言
一篇 arXiv:1706.05048。
此文和我的一个idea重了，同样的出发点，只是作者没有明说。
其实就是将分类器弱化使用。
分类器既然能够识别出来object的具体位置，当然可以用来聚类，此时其label信息当然也可以弱化（这个label的使用我没有作者想的多）。
说到底这种用法就是作弊吧，就是利用有监督信息来学习representation。
另外一个和我相同的点：利用CNN的shape识别功能，学习到cluster的shape信息，进而对有overlap的shape也能区分开来。
摘要，Intro以及 Related work
作者完全在扯淡，哈哈
你用label信息学习到了cluster的形状信息，bp之后得到了好的representation。
只是你碰巧使用DNN来做的，你就说DNN的一些特性值得借鉴，如:
suggest that hierarchical frameworks that progressively build complex patterns on top of the simpler ones (e.g., convolutional neural networks) offer a promising solution
细想一下，这个层次组织结构（the hierarchal organization of the visual ventral stream）的确值得用，但原因并非此文所言。
作者声称此为generic clustering，但明显不是嘛，你CNN对2-d的image的结构能hold住，能搞定一般的多维data么？很明显不行的吧
目前的深度聚类分为两大类，要么直接聚类，要么专注于学习representation。
细节
网络结构：
输入：
注意，input是由各种shape的cluster组成的，这些cluster生成的时候有很多参数是随机的，如密度，scale，以及旋转角度都是随机的，然后再将其转化为image，即有点的地方是1，没点的地方为0.
这样，网络结构的output就可以理解了，需要将其与input相乘，再去计算误差。
不过，作者说的用随机梯度下降来optimize a clustering objective，具体不知道怎么做的，又提到用：
mean squared error loss and train the network with the Adam optimizer [31]. Batch size is set to 16 and learning rate to 0.001
既然这么说了，估计就是直接用label做mse？
至于Evaluation metric，作者自己搞了个，即，给定n个点，搞出一个 $n^2$ 的矩阵，表明每两个点是否处于同一个cluster中，然后从模型输出也搞出一个类似的矩阵，再算这俩矩阵的汉明距离。
最后效果还不错。