Prototypical Networks for Few-shot Learning
摘要:该文提出了一种可以用于few-shot learning的原形网络(prototypical networks)。该网络能识别出在训练过程中从未见过的新的类别,并且对于每个类别只需要很少的样例数据。原形网络将每个类别中的样例数据映射到一个空间当中,并且提取他们的“均值”来表示为该类的原形(prototype)。使用欧几里得距离作为距离度量,训练使得本类别数据到本类原形表示的距离为最近,到其他类原形表示的距离较远。测试时,对测试数据到各个类别的原形数据的距离做softmax,来判断测试数据的类别标签。
Prototypical Networks
Notation
在few-shot分类任务中, 为一组小规模的N标签的支持数据集。x是D维的原始数据的向量化表示,y为其对应的类别,Sk代表类别为k的数据集合。
Model
原形网络要为每个类别计算出一个原形表示Ck,通过一个embedding函数