학습을 통한 비교: 소수 샘플 학습을 위한 관계 네트워크

우리는 각 클래스에 대해 몇 개의 예시만 주어진 상황에서 새로운 클래스를 인식해야 하는 few-shot 학습을 위한 개념적으로 간단하고 유연하며 일반적인 프레임워크를 제시합니다. 이 방법은 Relation Network (RN)라고 불리며, 처음부터 끝까지 스크래치 상태에서 훈련됩니다. 메타-학습 과정에서 RN은 에피소드별로 few-shot 설정을 시뮬레이트하도록 설계된 소수의 이미지를 비교하기 위한 깊은 거리 측정 기준을 학습합니다. 훈련이 완료되면, RN은 네트워크를 추가로 업데이트하지 않고도 쿼리 이미지와 새로운 각 클래스의 소수 예시 사이의 관계 점수를 계산하여 새로운 클래스의 이미지를 분류할 수 있습니다. 이외에도, 우리의 프레임워크는 zero-shot 학습으로 쉽게 확장될 수 있습니다. 다섯 가지 벤치마크에 대한 광범위한 실험 결과는 우리의 간단한 접근 방식이 이 두 가지 작업 모두에 대해 통합적이고 효과적인 해결책을 제공함을 입증합니다.