摘要
无监督学习被认为是人类智能中的暗物质。为了在此方向上进行构建，本文专注于从大量未标记数据中进行无监督学习，随后在下游分类任务上进行少量样本微调。为此，我们扩展了一项最近关于采用对比学习进行自监督预训练的研究，通过迭代聚类和重新排序引入了类别级别的认知，并扩展了对比优化损失函数以考虑这一点。据我们所知，我们在标准场景和跨域场景中的实验均表明，在标准 mini-ImageNet 基准的（5分类，1和5样本）设置以及跨域 CDFSL 基准的（5分类，5和20样本）设置中，我们达到了新的最先进水平（SoTA）。我们的代码和实验结果可以在我们的 GitHub 仓库中找到：https://github.com/ojss/c3lr。