监督对比学习

由Khosla等人于2020年提出的有监督对比学习方法，是对自监督对比学习的扩展，通过损失函数将同类样本表示相互拉近、不同类样本推远，在特征空间中形成紧凑且分离的类别簇，适用于类内方差大或类间相似度高的任务