一种基于Vision Mamba的隐式对比学习方法

本发明公开了一种基于Vision Mamba的隐式对比学习方法，通过引导梯度停止在自监督学习网络架构上实现隐式对比学习，在图像分类任务上取得更好的性能指标；对于输入的图像，本方法通过数据增强获取图像的正样本对视图，使用线性投影获取视图的嵌入表示，通过加入位置嵌入和类别标签，获取图像在空间中的位置信息，理解图像的全局结构和局部特征，并从前后两个方向经过一维卷积层和状态空间模型Mamba的S6层处理，获取图像的特征向量。在自监督学习网络架构中引导梯度停止，控制正样本对的特征向量在特征空间中单方向靠近，达到负样本远离的实际效果，实现隐式对比学习，使模型性能得到提升。