Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need

Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need（ECCV）
Abstract
​ 目前针对元学习的研究主要集中在设计一个元学习算法，尝试从少量样本中获得样本的元知识，从而将元知识泛化应用到新的任务中。小样本学习是元学习中广泛应用的重要基准（benchmarks）之一。在本文中，作者发现一个性能好的embedding model要比复杂的元学习算法更加高效。所以文章从如何获得较优性能的Embedding Model角度出发，一方面通过优化embedding model的训练过程，另一方面引入知识蒸馏（Knowledge distillation）思想，通过多次迭代进一步优化Embedding Model的特征提取能力。文章在现有主流FSL的数据集中，均取得SOTA的效果。
Introduction
使用元学

Rethinking Few-Shot Image Classification: a Good Embedding Is All You Need最先出现在Python成神之路。