小样本图像识别——关系网络（Relation Network）（目前只对Few-Shot进行研究）

关系网络

1.论文参考：

《Learning to Compare Relation Network for Few-Shot Learning》论文原文请点击这里
参考代码：https://github.com/floodsung/LearningToCompare_FSL/

2.问题定义：

  首先需要了解三个数据集，training set，support set和testing set。support set和testing set共享相同的标签空间，而training set有自己的标签空间并且和support/testing set不相交。如果支持集包含C个类，每个类中有K个带有标签的样本，该few-shot问题被称为C-way K-shot。
  若只使用支持集，我们原则上可以训练一个分类器，为测试集的每个样本x分配一个类标签。但是，由于在支持集中缺乏标签样本，上述分类器识别效果较差。因此，我们的目标是在训练集上进行元学习，以便提取可转移的知识，使我们能够在支持集上进行更好few-shot学习，从而更成功地对测试集进行分类。
  利用训练集的一种有效方法是通过基于情景的训练来模拟few-shot学习。在每个训练迭代中，一个情景通过在训练集中随机选择C类，每个类中有K个标签样本来形成样本集

  以及作为查询集 ，是C类样本的剩余部分组成。此S和Q划分的目的是模拟测试时候的support和test集合。（即将训练集training set划分为sample set和query set来模拟support set和test set）。 </