기본적인 알아두어야 할 사항

• N-way: class의 수
• K-shot: class 당 example의 수
• meta-train dataset과 meta-test dataset은 다른 도메인의 사진을 가지고 있어야한다.
• meta-test dataset으로 모델을 평가하는데 이 meta-test dataset은 Support set(S)과 Query set(Q)으로 나뉜다.
• Support set(S)에는 N개의 class와 각각의 class에 대한 K개의 사진이 존재한다.

• training 시 test 상황과 동일한 환경을 제공함과 동시에 generalization도 높이기 위해 meta-train dataset을 episode라는 test 상황과 동일한 하나의 환경을 만들어서 학습시킨다. (episode training)

<aside> 💡 즉, meta-train dataset으로 학습을 마친 모델은 다른 도메인의 사진들을(meta-test dataset) 통해 성능을 평가 받는다. N-way K-shot이라 불리는 이유는 meta-test dataset에 존재하는 사진이 N개의 class와 K개의 shot들을 가지기 때문이며, meta learning이라고 말할 수 있는 이유는 meta-train dataset을 통해 이미지에서 사물의 보편적 특징을 찾아 다른 데이터 셋에도 자신의 배운 보편적 지식을 활용할 수 있도록 모델을 학습시키기 때문이다. (learning to learn)

</aside>

Paper

Prototypical Networks for Few-shot Learning

Learning to Compare: Relation Network for Few-Shot Learning

One-shot Learning with Memory-Augmented Neural Networks

Meta Networks