一种基于对比学习的多视角自监督深度表征方法

本发明公开了一种基于对比学习的多视角自监督深度表征方法，包括以下步骤：S1、构建正负样本，在Multi‑CL‑GRBM模型中，将一个具有多个视角的数据集中的样本划分为正样本和负样本；S2、特征编码，将每一个视角的数据通过各自CL‑GRBM模型进行特征编码，得到多视角数据的特征集合；S3、对比学习，根据正负样本构建Multi‑CL‑GRBM模型的目标函数；S4、参数更新，对每个视角的CL‑GRBM模型的参数进行梯度更新，实现参数的学习。本发明通过Multi‑CL‑GRBM模型实现了对多视角数据进行表征学习，可以比单视角学习学到更加全面的表征。