Learning to Compare: Relation Network for Few-Shot Learning 论文笔记

 

主要原理，如下：

其中，g表示关系深度网络，C表示concatenate，f表示特征提取网络（branch）

 

训练中每个episode/mini-batch包含样本数量=N*C

其中C是类型数量，N = sample images + query images

论文中区分了sample images和query images，我认为没有必要，训练时无差别对待它们，能获得更多的样本组合。

 

结构示意图如下，其中sample的feature是K个样本feature的均值。