【研究学习】小样本学习

Few-Shot Learning 泛指从少量标注数据中学习的方法和场景，理想情况下，一个能进行 Few-Shot Learning 的模型，也能快速地应用到新领域上。Few-Shot Learning 是一种思想，并不指代某个具体的算法、模型，所以也并没有一个通用的、万能的模型，能仅仅使用少量的数据，就把一切的机器学习问题都解决掉，讨论 Few-Shot Learning 时，一般会聚焦到某些特定的问题上，比如 Few-Shot Learning 思想应用到分类问题上时就称之为 Few-Shot Classification。

FSL需要从数据、模型、算法三个方面进行入手。

参考链接

肝了160+篇小样本学习（FSL）顶会论文，含2023年最新
论文笔记：Few-Shot Learning
【论文速递12-23】小样本学习方向优质的论文及其代码
小样本学习&元学习经典论文整理
【Pytorch】prototypical network原型网络小样本图像分类简述及其实现
浅理解小样本学习：原型网络
小样本学习介绍（超详细）
01 小样本学习 概述