简介：摘要：近年来无监督图像分类取得了显著进展，尤其是通过对比学习和自监督学习的应用，提升了在缺少标注数据情况下的分类性能。本文综述了无监督图像分类的基本概念、方法和最新进展，重点探讨了对比学习、自编码器、视觉变换器等技术在无监督图像分类中的应用。通过比较主流的无监督方法，如SimCLR、MoCo、MAE、DINO等，本文分析了不同方法的优势和局限，展望了无监督学习在大规模图像分类任务中的应用前景。无监督学习能够有效应对数据标注困难的挑战，具有较强的泛化能力，为图像分类领域提供了有力支持。
无监督图像分类综述
