Few-Shot Learning泛指从少量标注数据中学习的方法和场景,是Meta Learning在监督学习领域的应用。
C-way K-shot问题:在训练阶段,在训练集中随机抽取C个类别,每个类别K个样本,总共CK个数据,构建一个meta-task,作为模型的支撑集(support set)输入;再从这C个类中剩余的数据中抽取一批样本作为模型的预测对象(batch set)。即要求模型从C*K个数据中学会如何区分这C个类别。
Few-shot Learning模型大致可分为三类:Model based, Metric Based, Optimization based