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:

ck 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