对比学习Contrastive Learning

对比学习是一种常用的自监督学习方法。

核心思想：把正样本距离拉近，正样本与负样本距离拉远。（类似度量学习中的margin, 但是对比学习为正负样本分类，无margin概念）

方式：通过一个正样本，以及k个负样本进行对比学习，研究表明K越大越好，可以取几万个。

优化问题：对于一个正样本，需要和k个负样本做分类，使模型分清楚哪些是正样本，哪些是负样本，用交叉熵即可。如下图

经典方法：

memory bank:利用instance 分类，即每一个图片是一个类别。如imagenet就有120万类&