学习比较：用于少样本学习的关系网络
计算机视觉与模式识别
2018-03-28 v2
摘要
我们提出了一种概念上简单、灵活且通用的少样本学习框架，其中分类器必须仅根据每类少数几个样本来学习识别新类别。我们的方法称为关系网络（Relation Network, RN），从头开始端到端训练。在元学习期间，它学会学习一种深度距离度量，以在每一轮（episode）中比较少量图像，每轮都旨在模拟少样本设定。一旦训练完成，RN 能够通过计算查询图像与每个新类别少数样本之间的关系分数来对新类别图像分类，而无需进一步更新网络。除了在少样本学习上提供改进的性能外，我们的框架还可轻松扩展到零样本学习。在五个基准上的大量实验表明，我们这种简单的方法为这两项任务提供了一种统一而有效的途径。
引用
@article{arxiv.1711.06025,
title = {Learning to Compare: Relation Network for Few-Shot Learning},
author = {Flood Sung and Yongxin Yang and Li Zhang and Tao Xiang and Philip H. S. Torr and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1711.06025},
year = {2018}
}
备注
To appear in CVPR2018