論文閱讀筆記《Instance-Level Embedding Adaptation for Few-Shot Learning》

小樣本學習&元學習經典論文整理||持續更新 核心思想   本文提出一種基於度量學習的小樣本學習算法（AAM），作者認爲由於測試集和訓練集的樣本是來自不同分佈的，且測試集的支持集中僅包含少量的樣本，因此生成的類別表徵是不可靠的。另一方面由於查詢樣本也存在較大的隨機性，可能對應類別的類別表徵並不相似，這樣就容易導致誤分類。作者提出一種注意力自適應模塊（Attention Adaptation Modu

>>阅读原文<<