论文地址：Unsupervised Learning of Visual Features by Contrasting Cluster Assignments
SwAV：对比学习+聚类，借助先验不和大量负样本比，跟聚类中心比
-
聚类的相关工作有：deep cluster等，留待看
-
相较于上万的负样本，与3000个聚类中心比更小
2.1 前向过程 $x_1$ 数据增强得到 $x_1,x_2$；通过编码器得到 $z_1,z_2$；$z$ 和聚类中心 $c$ 通过clustering方法生成目标 $q_1,q_2$ ；$z_1,z_2$ 相似，按道理可以互相作预测，即 $z_1 \cdot c$ 可以去预测 $q_2$ ，反之亦然
-
聚类中心有明确的语义含义，而先前抽取的有的负样本还可能是正样本，也可能类别不均衡不够有效
-
新的正样本提取方法(Multi-crop)，增加view的情况下尽可能减少计算量
4.1 方法 原本是从256x256的图片裁剪出2张224x224的图片，改为裁剪出2x160+4x96合计6张图片。因为原本的裁剪方法更多是关注于整体特征，这样可以关注整体+局部特征，效果更好，提点明显，也比较通用
