画像にaugmentationを行って、query view（一部の切り出し、濃淡変換）とkey view（ほかの一部の切り出し、濃淡変換）を生成。query viewとkey viewは、事前学習したネットワークを使って特徴抽出。共通特徴（query viewとkey viewは重なってる部分があるので）と共通しない特徴で損失関数を設計し、学習。こうやって教師なしのセグメンテーションができた。

教師あり手法と比べれるセグメンテーション結果を達成した。

顕微鏡病理画像の分類・セグメンテーション問題に対するContrastive Learningの最初の試み。 https://github.com/TencentAILabHealthcare/ConCL