你确定要那样做吗？带验证的分类

分类系统通常独立运作，意味着它们需要隐式记忆所有候选类别的特征才能进行归类。这样做的代价是内存占用增加以及样本效率低下。我们提出一种模型，该模型在分类过程中使用参考图像进行验证，从而减轻记忆负担。该模型利用迭代的不可微查询对图像进行分类。我们证明此类模型可行且可训练，并能在参数更高效的同时达到基线准确率。然而，我们表明，在图像识别与验证之间找到正确平衡对于引导模型达到期望行为至关重要，这表明先识别后验证的流程是更有前景的方法。