小样本学习是研究关注的焦点。最近来自华东师范大学等学者发布了《少样本学习》全面综述论文，从近三年200篇文献阐述小样本学习的演变、应用、挑战。

论文链接：https://arxiv.org/pdf/2205.06743.pdf

少样本学习(FSL)已成为一种有效的学习方法，并显示出巨大的潜力。尽管最近在处理FSL任务方面有一些创造性的工作，但从少量甚至零样本中快速学习有效信息仍然是一个严峻的挑战。在此背景下，我们对近三年来发表的200多篇关于FSL的最新论文进行了广泛的调研，旨在及时全面地综述FSL的最新进展，并对现有工作的优缺点进行公正的比较。为了避免概念混淆，我们首先阐述并比较了一组类似的概念，包括少样本学习、迁移学习和元学习。此外，针对FSL的挑战，我们提出了一种新的分类法，根据知识的抽象级别对现有的工作进行分类。为了丰富这一调研，在每个小节中，我们提供了关于这些主题的最新进展的深入分析和深刻的讨论。并以计算机视觉为例，重点介绍了FSL的重要应用，涵盖了各种研究热点。最后，我们总结了对技术发展趋势和潜在的未来研究机会的独特见解，希望为后续研究提供指导。

内容中包含的图片若涉及版权问题，请及时与我们联系删除