本文主要是介绍论文阅读：Transductive Episodic-Wise Adaptive Metric for Few-Shot Learning（ICCV 2019），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
论文阅读：Transductive Episodic-Wise Adaptive Metric for Few-Shot Learning（ICCV 2019）
三部分：
- 特征提取部分：运用了数据增强，将support set中所有样本处理一下（TIM），得到新的图片集，然后用CNN网络提取特征，query集也用同样的CNN网络提取特征。
- 距离衡量部分：通过解决一个SDP问题来为每个task定制一个特定的衡量样本间距离的metric。给每个类找个原型。
- 相似性比较：双向的相似性比较策略为每一个query找label。看每个query离2中哪个类的原型近。
注意：2,3两个模块都利用了传导的思想。
个人感觉就是 这篇文章就是数据增强+原型网络的结合。
这篇关于论文阅读：Transductive Episodic-Wise Adaptive Metric for Few-Shot Learning（ICCV 2019）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
![BUUCTF靶场[web][极客大挑战 2019]Http、[HCTF 2018]admin](https://i-blog.csdnimg.cn/direct/ed45c0efd0ac40c68b2c1bc7b6d90ebc.png)
