匹配网络（Matching Networks）是基于度量的元学习方法，通过计算查询样本与支持集中各样本的相似性实现分类。核心机制依赖距离度量函数，余弦相似度因其对向量幅值不敏感的特性成为主流选择。特征提取阶段与相似度计算之间引入的注意力机制能够为特征向量的不同维度分配差异化权重，这种加权策略在处理图像数据时能够突出空间和语义上的关键特征。注意力核的引入使网络具备选择性关注能力，在面对复杂多模态输入或存在噪声干扰的数据时表现出更强的泛化性。
注意力机制的集成位置存在多种选择，既可作为独立模块置于特征提取器之后，也可直接嵌入特征提取网络的内部层次结构中。
https://avoid.overfit.cn/post/1cf7eda189b4447c9266355b66ac5d9a