将 proposal 作为 global patch，同时将 proposal 切分为不同的 local patch，构建了 local-local 对比损失和 global-local 对比损失，完成了对比学习与目标检测的结合。提出了新的代理任务，即随机的从原图中裁下一个 patch，将这个 patch 作为 query 输入到 DETR 的 decoder 中，希望模型可以在原图中找到这个 p

传统方法User guide: contents — metric-learn 0.6.2 documentation深度学习基于深度学习的度量学习方法大都由两个部分组成：特征提取模块和距离度量模块。距离度量模块的任务是使同一类样本间的距离更靠近，而不同类样本间的距离更远离。这一模块更多的实现方法是改进损失函数，对模型的学习更加“赏罚分明”。基于正负样本对的方法也可以称为基于对比学习的方法，抽出正