Prototype Completion for Few-Shot Learning

小样本学习的目的是用很少的例子来识别新类。基于预训练的方法有效地解决了通过预训练一个特征提取器，然后通过最近的基于质心的元学习对其进行微调 (pretraining + fine-tuning)。然而,结果表明微调步骤使边际改进。在本文中，1)我们找出原因，即在预训练的特征中在空间中，基本类已经形成了紧凑的集群，而新的类则以很大的差异作为群体传播，这意味着微调特征提取器意义不大;2)不再对特征提取器进行微调，而是着重于估计更具代表性的特征原型。因此，我们提出了一个新的基于原型完成的元学习框架。

WordNet可以得到类的属性

属性的均值和方差

目标函数：