definition
Few-shot classification aims to recognize unlabeled samples from unseen classes given only few labeled samples
小样本学习(few shot learning)是元学习(meta learning)的一个子类,目标是learn to learn,跟监督学习的思路很不一样:
- 【在大样本中学习】在领域1中使用大样本中学习得到距离函数,
- 【在小样本中预测】在领域2中使用该距离函数找出最接近的样本,其类别就是预测结果。
few-shot learning名字有歧义,其实并没有在小样本中学习,叫few-shot prediction会更贴切。
领域1中的样本叫training set。
领域2中的样本集叫support set,新预测的实例叫query sample
三者关系如下图:
support set有两个属性:k-way和n-shot
k-way: support set中的类别数,上图为6,
n-shot: support set中每一类的样本数,上图为1
进一步,k和n对预测准确率的影响(如下图):