论文阅读笔记《RepMet Representative-based metric learning for classification and few-shot object detection》

核心思想   作者提出一种基于表征的度量学习方法用于解决小样本分类和目标检测问题。作者提出每个类别的样本，其在嵌入式空间（特征空间）中的分布都属于一种混合分布模型，而每个模型分量的众数mode（也就是概率密度函数最高点，峰值peak），就是该类样本的一个表征。通过度量输入图像对应的特征向量与各个类别对应表征之间的距离，预测输入图像的类别。网络结构如下图所示。   首先输入图像经过一个特征提取网络（

>>阅读原文<<