论文阅读笔记《Instance-Level Embedding Adaptation for Few-Shot Learning》

小样本学习&元学习经典论文整理||持续更新 核心思想   本文提出一种基于度量学习的小样本学习算法（AAM），作者认为由于测试集和训练集的样本是来自不同分布的，且测试集的支持集中仅包含少量的样本，因此生成的类别表征是不可靠的。另一方面由于查询样本也存在较大的随机性，可能对应类别的类别表征并不相似，这样就容易导致误分类。作者提出一种注意力自适应模块（Attention Adaptation Modu

>>阅读原文<<