学習による比較：少ショット学習のための関係ネットワーク

我々は、各クラスにわずかな例しか与えられない場合でも新しいクラスを認識するための概念的に単純で、柔軟かつ一般的なフレームワークを提案します。当該手法は、リレーションネットワーク（Relation Network: RN）と呼ばれ、ゼロからエンドツーエンドで学習されます。メタ学習中には、RNはエピソード内で少数の画像を比較するための深層距離計量を学習します。各エピソードは、少ショット設定を模擬するために設計されています。学習が完了すると、RNはネットワークの更新なしに、クエリ画像と各新クラスのわずかな例との間の関係スコアを計算することで、新しいクラスの画像分類を行うことができます。本フレームワークは少ショット学習での性能向上だけでなく、ゼロショット学習への容易な拡張も提供します。5つのベンチマークにおける広範な実験により、当該シンプルなアプローチがこれらの2つの課題に対する統一的かつ効果的な方法であることが示されました。