要約
我々は、少ショット分類の問題に対してプロトタイプネットワークを提案します。この問題では、訓練セットに含まれていない新しいクラスに対する分類器が、各新しいクラスのわずかな例のみに基づいて一般化する必要があります。プロトタイプネットワークは、各クラスのプロトタイプ表現との距離を計算することで分類を行う計量空間を学習します。最近の少ショット学習手法と比較して、本手法はより単純な帰納的バイアスを持ち、この限られたデータ環境において有益であり、優れた結果を達成しています。我々は分析を行い、いくつかの単純な設計決定が複雑なアーキテクチャ選択やメタ学習を伴う最近の手法よりも大幅な改善をもたらすことを示しました。さらに、プロトタイプネットワークをゼロショット学習に拡張し、CU-Birdsデータセットで最先端の結果を達成しました。注：「少ショット」（few-shot）と「ゼロショット」（zero-shot）は日本語でも一般的に使用される技術用語です。