URL: https://arxiv.org/pdf/1703.05175.pdf

NIPS的一篇论文，few shot learning比较早期的工作了，这个论文的做法和simple shot是很类似的，当然simple shot在后了，首先作者定义一个embedding function f可以将经过feature extractor的图片映射到高维空间,在这个高维空间上找到各个class的类别中心(prototype)，通过距离计算将query图片assign到对应的类别中心完成分类：

c_{k 就是类别k的prototype, Sk为类别属于k的样本集合，fφ就是上面说的那个embedding function，xi就是输入图片经过feature extractor得到的特征了.}

类别归属的判断, d就是一种距离的度量，论文里面就直接用的欧式距离:

论文提供的伪代码还是比较清楚的:

感觉整个论文的核心就在这了，因为是投的nips论文另外的笔墨都花在了机制的解释和论证上了，有兴趣可以直接看原文