《表2 基于度量学习的少样本方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的少样本研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:“±”表示在任务中95%的置信区间。

两种基于度量学习的少样本学习方法对比如表2所示。与其他方法相比，第一种使用欧式距离或余弦距离等固定距离的度量方法在单样本学习（one-shot learning）中可以取得非常好的结果，但这种人为设计的度量方式存在一定局限性。因此，研究人员提出使用深度神经网络来学习样本之间的特征距离的方法，同时也使用了不同的损失函数来训练网络。从实验结果可知，可学习的度量方式优于固定距离的度量方式。