초록
메트릭 학습은 소수 샷 학습(few shot learning)에서 프로토타입의 품질이 알고리즘에 중요한 역할을 하는 널리 사용되는 방법입니다. 본 논문에서는 메타 트레이닝과 태스크 트레이닝 프레임워크 내에서 인공적인 프로토타입 대신 학습 가능한 프로토타입을 제안합니다. 또한 에피소드적 메타 트레이닝의 단점을 피하기 위해 자기 지도 학습(self-supervised learning) 기반의 비에피소드적 메타 트레이닝을 채택하였습니다. 전체적으로 우리는 두 단계를 통해 소수 샷 태스크를 해결합니다: 자기 지도 학습을 통해 전이 가능한 특징 추출기를 메타 트레이닝하고, 메트릭 분류를 위한 프로토타입을 훈련시킵니다. 또한, 간단한 어텐션 메커니즘이 메타 트레이닝과 태스크 트레이닝 모두에서 사용됩니다. 우리의 방법은 표준 소수 샷 시각 분류 데이터셋에서 다양한 확립된 소수 샷 태스크에서 최고 수준의 성능을 달성하며, 기존의 비지도 소수 샷 학습 방법보다 약 20% 증가한 성능을 보여줍니다.