這篇文章稱之為Relation Network，主要要解決few-shot learning中similairty function的問題，其架構可以自己最佳化出最好的similarity function．類似的文章可以參考Prototypical Network
輸入的圖片會先投射在embedding space，他們將各種類別的圖片的embedding與新輸入類別的embedding串在一起，再送入relation module (similarity function)，在算出分數產生最後類別的分類．以上圖例子來看，我們希樣狗狗那個類別的分數最高．所以產生結果希望是{0,0,0,1,0} as our one-hot vector.
總結
這篇改進了前一篇Prototypical network的缺點，讓similarity function更加活用．