该研究提出了一种挤压与重校准（SR）模块，旨在改善计算病理学中少量样本学习模型的过拟合和特征错误表征，从而显著提升模型性能，具有广泛的应用潜力。

本论文研究了自监督预训练在在线渐进学习中的应用。结果显示，自监督预训练相较于有监督预训练能够得到更好的特征表征，尤其在采样数量较少时效果更明显。在三种在线渐进学习算法中，自监督预训练在ImageNet数据集上表现出较强的竞争力，相对于之前的方法有较大提升。