一种基于全局和局部特征的多网络对比学习方法

本发明属于自监督学习视觉表征领域，公开了一种基于全局和局部特征的多网络对比学习方法，采集图像数据，将训练集中的每张图像通过同一系列的数据增强得到三张扰动视图；将它们分别输入到三条不同的网络中提取特征表示；将在线网络的输出与另外两条网络的输出分别计算对比损失并合并为总损失；通过最小化总损失对在线网络进行梯度更新；使用训练后的网络对不同数据集进行图像分类，并采用分类准确度评价所提方法的性能。本发明在自监督对比学习中引入了全局和局部特征信息，提高了图像分类的准确度，增强了深度神经网络的泛化性能，同时扩大了用于对比的样本数量，提高了所提模型的训练效率。