(NIPS, 2017) Prototypical Networks for Few-shot Learning: ProtoNets

feature space에서의 위치를 이용해서 classification을 진행한다. classification의 방법은

i. support set에서, 각각의 class당 average를 한 값을 그 class의 prototype으로 정의하고,

ii. query set의 원소들의 classification 결과는 prototypes과 그 원소의 distance를 측정해서 가장 짧은 distance를 가진 prototype의 class로 분류한다.

여기서 distance는 Euclidean distance의 결과가 가장 좋았다고 한다.

 

training은 generalization을 돕기 위해 똑같이 few-shot learning으로 진행하며, testing보다는 shot의 크기를 키우면 성능이 좋다고 한다.

distance에 대한 loss를 줄이는 방향으로 feature space를 만들어낸다.