論文閱讀筆記《Revisiting Local Descriptor based Image-to-Class Measure for Few-shot Learning》

核心思想   本文采用基於度量學習的方式實現小樣本學習任務，但與其他基於度量學習的方式不同，本文通過比較圖像與類別之間的局部描述子（Local Descriptor），來尋找與輸入圖像最接近的類別。本文的靈感來自於樸素貝葉斯最近鄰算法（Naive-Bayes Nearest-Neighbor，NBNN），根據這一算法作者有兩點發現：一、如果將一幅圖像的特徵信息壓縮到一個緊湊的圖像級別的表徵（換言之

>>阅读原文<<