小样本学习的一些概念及基础知识

小本样学习（Few-Shot Learning,FSL）旨在通过少量样本对新的类学习出有效的模型，对新的类进行识别。除了最naive的数据增强方法（基于已有的大数据集和少量的新类样本，提取新类特征后通过大数据集生成新的样本，以防止过拟合）外，还有一些其它方法，如基于度量的方法，基于优化的方法，基于图神经的方法以及基于记忆网络的方法【1】。   支持集，查询集：   训练集由多组数据集组成，每组都包

>>阅读原文<<