少样本学习全面综述：演进、应用、挑战与机遇
机器学习
2022-05-25 v2
摘要
少样本学习（FSL）已成为一种有效的学习方法并展现出巨大潜力。尽管近期在解决FSL任务方面出现了诸多创造性工作，但从极少甚至零样本快速学习有效信息仍是一个严峻挑战。在此背景下，我们广泛调研了过去三年发表的200余篇FSL最新论文，旨在及时、全面地概述FSL的最新进展，并对现有工作的优缺点进行客观比较。为避免概念混淆，我们首先阐述并比较了一组相似概念，包括少样本学习、迁移学习和元学习。此外，我们根据FSL的挑战，按知识抽象层次提出一种新的分类法对现有工作进行分类。为丰富本综述，我们在每个小节中对这些主题的最新进展进行了深入分析与富有见地的讨论。进而以计算机视觉为例，重点介绍了FSL的重要应用，涵盖各类研究热点。最后，我们总结了技术演进趋势及潜在未来研究机遇的独特见解，以期为后续研究提供指导。
引用
@article{arxiv.2205.06743,
title = {A Comprehensive Survey of Few-shot Learning: Evolution, Applications, Challenges, and Opportunities},
author = {Yisheng Song and Ting Wang and Subrota K Mondal and Jyoti Prakash Sahoo},
journal= {arXiv preprint arXiv:2205.06743},
year = {2022}
}