一种基于关系对比的无监督表示学习方法

摘要

本发明公开了一种基于关系对比的无监督学习方法。具体地，本发明通过对比实例间的相似性来构造损失函数，指导神经网络的训练，使得神经网络模型能够从未标注的训练数据中提取其最本质的特征，能够在视频图像分类、目标识别等下游任务上取得更好的效果。本发明利用样本间相似性对比而不是正负样本实例对比，避免了正负样本选择不恰当而导致的性能瓶颈。