近日，云基智能机器人实验室最新研究成果“Meta-Learning Based Prototype-Relation Network for Few-shotClassification”被《Neurocomputing》在线发表（中科院Q1区、SCI二区期刊，中国计算机学会推荐的人工智能与模式识别领域C类期刊，侧重于人工智能和神经网络应用，2018年影响因子4.072）。硕士生刘晓倩为该文章第一作者，周风余教授为通信作者。
该成果主要解决了少样本分类（Few-shotClassification）问题，采用基于度量学习的原型（Prototype）的思路：首先提出了一种双分支的原型-关系网络（Prototype-RelationNetwork）架构，用于比较queryimages和少量的sampleimages原型之间的距离；其次提出了一种新型的损失函数，不仅仅考虑异类样本尽可能远离，也考虑同类样本尽可能聚敛；最后模型的优化采用episode-based的机制，用于imitate在测试阶段的设置setting。通过大量实验证明，本文提出的方法在少样本数据集Omniglot和miniImageNe在不同的少样本设置下达到最高的识别精度。
图1Prototype-Relation 网络架构
该研究得到了国家重点研发计划资助项目（2017YFB1302400），山东省重大科技创新工程项目（2017CXGC0926），山东省重点研发计划（公益类专项）项目（2017GGX30133）的资助。