论文标题CROSS-DOMAIN FEW-SHOT CLASSIFICATION VIA LEARNED FEATURE-WISE TRANSFORMATION
原型网络分为两部分，E编码器和M度量函数，对于跨领域小样本分类来说，编码器不能在度量空间中把他们分得很开。本文的解决方法是在编码器的最后加入一层变换层，如图所示
将经过特征转换的中间特征**集成到特征方法转换中，以集成到特征编码器E中。直观地讲，与特征转换层集成在一起的特征编码器E可以产生更多种特征分布，从而提高了度量函数M的泛化能力。
其中可学习的超参数是这层中高斯分布的两个参数，
最终获得新的**函数
相关文章：