PrototypicalNetworksforFew-shotLearning 摘要 我们提出了原型网络，用于解决少样本分类问题，在这种情况下，分类器必须对训练集中未见的新类进行归纳，而每个新类只有少量的例子。原型网络学习一个度量空间，在这个空间中，可以通过计算与每个类别的原型表示的距离来进行分类。与最近的少样本学习方法相比，它们反映了一种更简单的归纳偏见，在这种有限的数据制度中是有益的，并取得了很好的效果。我们提供了一个分析，表明一些简单的设计决定可以比最近涉及复杂的结构选择和元学习的方法产生实质性的改进。我们进一步将原型网络扩展到零样本学习，并在CU-Birds数据集上取得了最先进的结果。...