• 對(duì)比學(xué)習(xí)：通過對(duì)比數(shù)據(jù)對(duì)的“相似”或“不同”以獲取數(shù)據(jù)的高階信息
• Positive Pairs（圖片間的一種關(guān)系）:由同一張?jiān)紙D片擴(kuò)增而來的圖片
• Native Paris:由不同的圖片擴(kuò)增的來的圖片

對(duì)比學(xué)習(xí)的3個(gè)步驟：Data Augmentation（數(shù)據(jù)擴(kuò)增）——Encoding（丟進(jìn)卷積神經(jīng)網(wǎng)絡(luò)中）——Loss minimization（損失最小化）

1.Data Augmentation

可以通過裁剪、調(diào)整大小、顏色失真、灰度

把一張?jiān)瓐D擴(kuò)增兩次就形成了一個(gè)數(shù)據(jù)對(duì)（Positive Pairs/Native Paris）

2.Encoding

是把Image裝換為Vector Representation（向量表示）

3.Loss Minimization

評(píng)價(jià)相似性:利用向量夾角的cos值加上交叉熵，因?yàn)橹苯欠秶鷥?nèi)，夾角越大，cos值越小\

Loss Minimization=Cosine similarity+Cross-entropy