论文阅读：Transductive Episodic-Wise Adaptive Metric for Few-Shot Learning（ICCV 2019）

三部分：

1. 特征提取部分：运用了数据增强，将support set中所有样本处理一下（TIM），得到新的图片集，然后用CNN网络提取特征，query集也用同样的CNN网络提取特征。
2. 距离衡量部分：通过解决一个SDP问题来为每个task定制一个特定的衡量样本间距离的metric。给每个类找个原型。
3. 相似性比较：双向的相似性比较策略为每一个query找label。看每个query离2中哪个类的原型近。

注意：2,3两个模块都利用了传导的思想。
个人感觉就是 这篇文章就是数据增强+原型网络的结合。