对比学习的应用（LCGNN，VideoMoCo，GraphCL，XMC-GAN）

之前已经有博文整理过了对比学习的概念，比较重要且流行的文章，和一些已经有的应用（主要是基于InfoNCE等早期的手段）：

• Contrastive Learning（对比学习，MoCo，SimCLR，BYOL，SimSiam）
• 对比学习的应用（CLCaption，C-SWM，CMC，SGL））

本篇博文将继续整理一些对比学习的应用，主要是集中在MoCo和SimCLR等模型。

Label Contrastive Coding based Graph Neural Network for Graph Classification
MoCo架构。基于标签对比编码的图分类图神经网络。一般做图分类的方法也是先学图的表示，主要有两种1先算node Embedding再聚合2直接graph Embedding，然后再做图分类。但是作者认为这些方法忽略了实例级的细粒度，而实例之间的判别式信息粒度更细有利于图分类任务。

属于哦以为了更有效、更全面地利用标签信息，提出基于标签对比编码的图神经网络（LCGNN），