点击上方，选择星标或置顶，每天给你送干货！

阅读大概需要5分钟

跟随小博主，每天进步一丢丢

来自 | 知乎

地址 | https://www.zhihu.com/question/389155523/answer/1175157989

作者 | ICOZ

编辑 | 机器学习算法与自然语言处理公众号

本文仅作学术分享，若侵权，请联系后台删文处理

这个就是典型的few shot classification的问题，经常被包装成玄学的meta learning。

目前市面上效果最好的模型反而是最简单的模型，简单来说就是一个pre-trained feature encoder + 一个distance metric就可以直接比较样本来做分类了。

如果一个类里有多个图怎么办？

1.可以fuse一下同类里不同图片的feature，作为此类的prototype，然后用distance metric。

2.也可以直接取nearest neighbour

3.也可以和这一类里的每个数据都求一个distance，然后平均一下，作为和这一类的distance。

4.当你每个类的数据都很多的时候，你其实就可以考虑训练一个classifier了，你可以固定住feature encoder不动，去学习每个类的prototype。当然，如果每个类数据数量差别太大，可以考虑long tail的问题。

具体来说feature encoder怎么来呢？很简单，把你能有的数据全部用上，训练一个CNN，然后把fc layer扔掉，你就得到一个feature encoder了。

那distance metric呢？可以是 欧氏距离 (prototypical network), cosine distance (matching network)，还有EMD距离 (DeepEMD)。基于此种方法的few shot classification miniimagenet 1shot5way的task已经可以达到68%+的正确率了，目前最好的结果。

再补充两句关于feature encoder的渊源。最开始matching network提出了一种训练模式，叫做episode learning，就是每次sample一个classification task，比如5张训练图片，10张测试图片，然后去做分类，cross entropy 作为loss来训练。这样做的目的就是想通过这种方式学习到那些比较general的feature，希望可以在unseen class上也能用到的feature。但是这种方法显然很低效，因为每次训练的图片太少。后来一众fancy的meta learning算法都是基于这种训练方式来学习，编出了各种美丽的故事。

后来有人发现直接把所有training class拿来训个分类器，再把fc layer扔了，用来提取feature，效果巨好，吊打各种meta learning算法。最早期的paper，prototypical network 和matching network就远比SOA的方法好很多。所以现在最好的训练方法一般是一个feature pre-training的环节（训练一个普通分类cnn），再扔掉fc layer，然后用episode training。这个时候episode training的角色就变了，从学习feature变成了调整feature，效率就高很多了。

以后有空可以整理一下市面上这些又简单效果又巨好的few shot 方法，作为baseline模型供大家使用。

投稿或交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦

让更多的人知道你“在看”