少样本学习2：Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning

前言

发表信息：2019CVPR
文章链接：https://arxiv.org/abs/1903.12290
代码链接：https://github.com/WenbinLee/DN4

鉴于已有相关博文对这篇文章进行分析：https://blog.csdn.net/qq_36104364/article/details/106479996
我补充一些自己的阅读感受。

一、核心思想

作者开门见山指出自己收到NBNN（Naive Bayes Nearest Neighbors)的启发，通过将传统metric-based 方法中Image2Image的度量表示修改成Image2Class的度量表示，有效减少了在小样本场景下由于样本量不足带来的噪声（ intra-class variation or background clutter）导致得到的度量不够准确。

Deep Local Feature： 给定