few-shot learning几篇论文

Prototypical Networks for Few-shot Learning

• 论文链接：https://arxiv.org/abs/1703.05175
• 开源代码：https://github.com/jakesnell/prototypical-networks
• 发表时间：2017年6月
• 该论文属于metric_based
• 论文中心思想：经过神经网络学会一个映射，将所有样本映射到同一空间，每个类别样本存在一个原型（我理解就是每个聚类的中心），该原型就是对应类别所有样本embedding的均值。局里度量是欧式距离的平方，训练时，每个query set中样本embedding到所属类别的原型距离越近越好，到其他类别原型距离越远越好。
• 论文创新点：原型（即class_level representation）
• 算法结构
  
  
  注：上如图J更新公式有一处错误，最后的$c_k$应该为$c_{k^{\prime }}$。
• loss函数：
  $$p_{\varphi }(y=k|x)={\sum }_{k^{\prime }}exp(-d(f_{\varphi <}$$