التمثيل العلاقة للفئة القليلة من الأمثلة

نقترح معالجة مشكلة التصنيف القائم على عدد قليل من الأمثلة من خلال التعلم الميتا "ما الذي يجب ملاحظته" و"أين يجب التركيز" من منظور علاقاتي. تعتمد طريقتنا على الأنماط العلائقية داخل الصور وبينها من خلال تمثيل الترابط الذاتي (SCR) والانتباه الترابط بين الصور (CCA). داخل كل صورة، يقوم وحدة SCR بتحويل خريطة الميزات الأساسية إلى تمثيل متعدد الأبعاد للارتباط الذاتي، وتعلم استخلاص الأنماط الهيكلية من هذا التمثيل. أما بين الصور، فإن وحدة CCA تقوم بحساب الارتباط المتبادل بين تمثيلي صورتين، وتعلم إنتاج انتباه مشترك بينهما. يجمع شبكة التمثيل العلائقي (RENet) بين الوحدتين العلائقيتين لتعلم تمثيل علائقي بطريقة متكاملة من البداية إلى النهاية. وفي التقييم التجريبي، حققت النموذج تحسينات مستمرة مقارنة بالطرق الرائدة في مجال التصنيف القائم على عدد قليل من الأمثلة على أربع معايير شائعة الاستخدام: miniImageNet وtieredImageNet وCUB-200-2011 وCIFAR-FS.