少ショット深層学習は、限られたラベル付きサンプルを用いて未見の新しいクラスの開放的な増加に対応する視覚認識のスケーリングにおける現在の課題領域です。有望なアプローチの一つは、メトリック学習に基づくものです。これは、画像類似度マッチングをサポートするための深層埋め込みを訓練します。私たちの洞察は、効果的な汎用的なマッチングには、複数の抽象レベルでの特徴量の非線形比較が必要であるということです。したがって、異なるレベルの特徴量に基づいて同時に複数の非線形距離計量を学習する埋め込みモジュールと関係モジュールから構成される新しい深層比較ネットワークを提案します。さらに、過学習を軽減し、より深い埋め込みを使用可能にするために、パラメータ化されたガウシアンノイズ正則化を通じて画像をベクトルではなく分布として表現します。この結果得られたネットワークは、miniImageNetおよびtieredImageNetにおいて優れた性能を達成しています。