对比学习

对比学习基本概念

对比学习通过对比数据对的“相似”或“不同”以获取数据的高阶信息。

由同一张原始图片扩增而来的两张新的图片，叫做Positive Pairs。将这两张图片送入深度学习模型中，我们希望深度学习模型学习到这两个图像是相似的。

由不同原始图片扩增而得到的新的图像，成为Negtive Pairs。将Negtive Pairs送入深度学习模型中，我们希望深度学习模型学习到这两个图像是不同的。

对比学习的三个步骤

1.Data augmentation

2.Encoding

3.Loss minimization

两个向量夹角越小，越相似。

代码

返回的两个图像通常是不完全相同的，因为 self.transform 包含随机数据增强操作，每次应用时的结果可能不同。

trainset = cifar10Imbanlance.Cifar10Imbanlance(transform=util.TwoCropTransform(transform_train),imbanlance_rate=args.imbanlance_rate, train=True,file_path=args.root)
        testset = cifar10Imbanlance.Cifar10Imbanlance(imbanlance_rate=args.imbanlance_rate, train=False, transform=transform_val,file_path=args.root)

class TwoCropTransform:
    """Create two crops of the same image"""

    def __init__(self, transform):
        self.transform = transform

    def __call__(self, x):
        return [self.transform(x), self.transform(x)]