摘要
我们提出一种基于元学习的少样本分类方法，从关系视角学习“观察什么”和“关注何处”。该方法通过自相关表征（Self-Correlational Representation, SCR）与跨相关注意力（Cross-Correlational Attention, CCA）机制，挖掘图像内部及图像之间的关系模式。在单幅图像内部，SCR模块将基础特征图转换为自相关张量，并学习从中提取结构化模式；在图像之间，CCA模块计算两幅图像表征间的跨相关性，并学习生成二者之间的协同注意力。所提出的关联嵌入网络（Relational Embedding Network, RENet）将上述两种关系模块有机结合，实现端到端的关系嵌入学习。在实验评估中，RENet在四个广泛使用的少样本分类基准数据集（miniImageNet、tieredImageNet、CUB-200-2011和CIFAR-FS）上均取得了优于当前最优方法的一致性性能提升。