通过对比实现少样本或零样本学习Learning to Compare: Relation Network for Few-Shot Learning

一、简介

最近偶然间看到一篇解读CVPR中Learning to Compare: Relation Network for Few-Shot Learning这篇论文（https://arxiv.org/abs/1711.06025）的文章（http://www.gzhshoulu.wang/article/1926990），感觉非常有意思。大家都知道，近年来深度学习之所以取得如此大的成功，主要在于目前拥有大量的数据及强大的计算资源，尤其是在图像方面。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。大家都知道，但是对于人而言，在人识别物体的时候，仅需要少量的图像或不需要图像，仅仅根据对物体的描述就能根据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的学会如何使用智能机。如何实现这种快速学习呢？元学习就是实现它的方法之一。

什么是元学习呢？英文名叫Meta Learning其实也叫做Learning to Learn,即学会学习。如何让神经网络实现元学习呢？这个链接中包含目前的一些元学习的方法https://yq.aliyun.com/articles/176594。而今天这篇论文则是利用对比来实现元学习，作者人为人在识别图像时是通过比较图像与图像之间的特征来实现识别的，即少样本学习;当然也可以对比图像与描述对图像的描述来实现对比，即零样本学习。如对于刚出生没多久的小孩子来说，他们也能很快的识别出什么是“鸭鸭”和“鹅鹅”，即使他们并没有见过几次这些（灵感来自我刚一岁多的小侄子，呵呵），因为我们的视觉细胞可以自动的提取图像的特征（如轮廓、光照强度等），然后对比我们以往的经验就能对图像进行识别了。这篇论文的Relation Network（RN）就是根