論文閱讀筆記《RepMet Representative-based metric learning for classification and few-shot object detection》

核心思想   作者提出一種基於表徵的度量學習方法用於解決小樣本分類和目標檢測問題。作者提出每個類別的樣本，其在嵌入式空間（特徵空間）中的分佈都屬於一種混合分佈模型，而每個模型分量的衆數mode（也就是概率密度函數最高點，峯值peak），就是該類樣本的一個表徵。通過度量輸入圖像對應的特徵向量與各個類別對應表徵之間的距離，預測輸入圖像的類別。網絡結構如下圖所示。   首先輸入圖像經過一個特徵提取網絡（

>>阅读原文<<