小樣本學習的一些概念及基礎知識

小本樣學習（Few-Shot Learning,FSL）旨在通過少量樣本對新的類學習出有效的模型，對新的類進行識別。除了最naive的數據增強方法（基於已有的大數據集和少量的新類樣本，提取新類特徵後通過大數據集生成新的樣本，以防止過擬合）外，還有一些其它方法，如基於度量的方法，基於優化的方法，基於圖神經的方法以及基於記憶網絡的方法【1】。   支持集，查詢集：   訓練集由多組數據集組成，每組都包

>>阅读原文<<