该文综述了自监督对比学习在医学图像分析中的应用，涵盖SimCLR、BYOL、Barlow Twins等方法，用于无监督预训练和分类。研究表明，自监督预训练优于ImageNet监督预训练，F1平均提升超28%，在皮肤病和胸部X光等任务中表现更佳，尤其适合标记数据稀缺场景。

本文介绍了利用空中高光谱图像进行城市地表覆盖绘制的方法，讨论了标记数据稀缺问题和解决方案，发布了Toulouse Hyperspectral数据集，提出了自监督任务和基于自编码器和随机森林分类器的像素级分类基线，并取得了82％的总体准确性和74％的F1得分。