论文 基于度量学习的小样本学习研究 阅读心得

论文主要工作： 本文提出带间隔的小样本学习， 提升了所学习嵌入表示的质量。 为引入间隔， 本文根据小样本场景特点提出了多路对比损失， 使得小样本学习模型可以学习到一个更加具有判别性的度量空间，同时泛化误差可以减小。带间隔的小样本学习是一个通用的框架，可以同各种基于度量的小样本学习模型结合。 本文将带间隔的小样本学习引入到两种已有模型中，分别是原型网络和匹配网络。 另外， 数据的分布往往都有内在结构

>>阅读原文<<