如何实现少样本学习？先让神经网络get√视觉比较能力

在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。

在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。

点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。

这是 PaperDaily 的第 66 篇文章

本期推荐的论文笔记来自 PaperWeekly 社区用户 @Cratial。本文提出构建一个关系网络（Relation Network）来让其学习如何比较（Learning to Compare），从而实现少样本学习（Few-Shot Learning）。

如果你对本文工作感兴趣，点击底部阅读原文即可查看原论文。

关于作者：吴仕超，东北大学硕士生，研究方向为脑机接口、驾驶疲劳检测和机器学习。

■ 论文 | Learning to Compare: Relation Network for Few-Shot Learning

■ 链接 | https://www.paperweekly.site/papers/1817

■ 源码 | http://suo.im/4W4mdD

引出主题

近年来，深度学习之所以取得如此大的成功，主要在于目前拥有的海量数据和强大计算资源，尤其是在图像识别方面。因此，如何实现深度学习的快速学习，是深度学习研究的一大难题。

对于人而言，在识别物体的时候，仅需要少量图像或不需要图像，而根据对物体的描述就能基于以往的经验知识实现对物体的识别，这是为什么呢？因为我们有先验知识，我们会利用自己的先验知识来进行学习。例如，经常使用老式诺基亚手机的人也能很快地学会如何使用智能机。

如何实现这种快速学习呢？元学习就是实现方法之一。元学习，英文名叫 Meta Learning，也叫做 Learning to Learn，即学会学习。如何让神经网络实现元学习？这里提供了元学习的相关知识 [1]。 

本文利用对比关系来实现元学习，作者认为人在识别图像时是通过比