小样本学习（few-shot learning）之——原形网络（Prototypical Networks）

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