[论文阅读-2018CVPR]：Learning to Compare: Relation Network for Few-Shot Learning

Learning to Compare: Relation Network for Few-Shot Learning

核心思想，使用神经网络来学习样本间的相似关系（relation）

符号：

图像编码模块：EM

关系学习模块：RM

具体流程：

小样本问题被建模为N ways K shots。在关系网络中分为以下几种情况：
对于一组采样N ways ：N个类别，每个类别K个样本作为支持集（support set），Kq个查询集（query），一共有NK个样本，NKq个查询样本。

1.首先EM对一个eposide中所有的support集图片编码，再对query编码

support编码获得原型

对query集合编码

每个Query的编码结果与每个原型拼贴

每一组拼贴的结果送入RM计算相似分数与label的One-hot向量求MSE

MSE LOSS

注意事项（原型怎么求）

当K=1时，即每个eposide的每个support集中都有一个样本。此时feature map的原型部分由模型直接对这K个样本编码得到；

当K>1时，即每个eposide的每个support集中都有多个样本时。每个类别的原型每个类别support集合中K个样本的编码累加得到。