小样本学习-专利分类-自然语言处理_FewShotClassification

小样本学习旨在通过少量样本学习到解决问题的模型.近年来在大数据训练模型的趋势下，机器学习和深度学习在许多领域中取得了成功.但是在现实世界中的很多应用场景中，样本量很少或者标注样本很少，而对大量无标签样本进行标注工作将会耗费很大的人力。

Omniglot数据集：含1623类手写体，每类中包含20个样本。数据集的详细描述参考：https://arxiv.org/abs/1707.09835。 比赛数据集（659类）： 参考数据集（964类）：

小样本学习常用数据集

2012年以来，深度神经网络在计算机视觉、语音识别、自然语言处理、智慧 医疗等多个领域取得了优异的成果。这是卜数只偶，也是水到渠成。究其本质， 还是得益于三个基础的驱动，包括:大数据(充分标注)、大模型(参数量庞大) 和大计算(高性能计算)。正因为对这三个基础的严重依赖，也在一定程度上限 制了人工智能的进一步发展和普及。首先，大模型对大数据的过度依赖表现在其 在训练阶段必须在大量的标注充分的数据下训练，否则模型的准确率将大大降 低。很多新的应用场景的样本获取困难并且标注成本极高，因此不少学者开始 研究小样本学习方法，目的是当面对一个新的场景时，快速的从少量的有标记 样本中学会认识新的类别。其次，大模型对大计算的依赖表现在其无论在训练 和测试阶段均需要拥有大量存储空间和优异计算性能的硬件平台的加持。那么， 对于很多的存储和计算资源均极其有限的测试场景，比如移动端(智能手机，自 动驾驶汽车等)，离线监控设备(公共摄像头，汽车行车记录仪等)，现有的训练 好的大模型将会出现水土不服，无法顺利落地。于是，模型轻量化问题也被领域 内科研人员广泛关注。研究模型轻量化的目的是压缩模型参数量，使其在移动

基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 基于小样本学习的图像分类技术综述 ......

今天给大家带来，深度学习 小样本问题探讨.pptx，里面对于相关知识讲解的十分清楚明白，相关方向的同学不要错过，一起来学习吧！

针对弱监督机器学习方法，系统阐述了小样本学习、零样本学习、零—小样本学习的问题定义、当前主要方法以及主流实验设计，最后基于当前研究中出现的问题，对下一阶段研究方向进行了总结展望。

小样本学习基本数据集

在过去的几年里，基于深度学习的方法在图像理解问题上取得了令人印象深刻的效果，如图像分类、目标检测或语义分割。然而，真实字计算机视觉应用程序通常需要模型能够(a)通过很少的注释例子学习，(b)不断适应新的数据而不忘记之前的知识。不幸的是，经典的监督深度学习方法在设计时并没有考虑到这些需求。