小样本学习研究综述.pdfVIP

２０２５年０３月机电工程技术Ｍａｒ．２０２５

第５４卷第０６期ＭＥＣＨＡＮＩＣＡＬ＆ＥＬＥＣＴＲＩＣＡＬＥＮＧＩＮＥＥＲＩＮＧＴＥＣＨＮＯＬＯＧＹＶｏｌ．５４Ｎｏ．０６

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００９－９４９２．２０２４．００１１１

．Ｊ．２０２５５４０６１６０－１６８．

李坤，陈剑钧，李国胜，等小样本学习研究综述［］机电工程技术，，（）：

小样本学习研究综述

※

李坤，陈剑钧，李国胜，姜晓道

２３３０４２

（华东光电集成器件研究所，安徽蚌埠）

摘要：深度神经网络参数众多，需要大量的标记数据进行模型训练，而许多罕见的类别无法收集大量标记样本，严重限制了深度学

习方法的可扩展性。受到人类小样本学习能力的启发，近年来关于小样本学习领域的研究取得了不错的进展。对小样本学习方法进

行了系统的梳理和总结。首先，给出了小样本学习的问题定义，阐述用于解决小样本问题的元学习框架，说明元训练和元测试的具

体过程。然后，对小样本学习算法进行综述，现阶段小样本学习算法分为三类：基于参数优化、基于外部记忆和基于度量学习，其

中度量学习方法应用最广、效果最好。对前两类方法进行了简要的说明，然后重点介绍基于度量学习的方法。最后，给出了未来小

样本学习领域一些可能的研究方向。

关键词：小样本学习；元学习；度量学习

中图分类号：ＴＰ１８文献标志码：Ａ文章编号：１００９－９４９２（２０２５）０６－０１６０－０９

ＲｅｖｉｅｗｏｆＦｅｗ－ｓｈｏｔＬｅａｒｎｉｎｇＲｅｓｅａｒｃｈ

，，，

ＬｉＫｕｎＣｈｅｎＪｉａｎｊｕｎＬｉＧｕｏｓｈｅｎｇＪｉａｎｇＸｉａｏｄａｏ

（，，，）

ＥａｓｔＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＰｈｏｔｏ－ＥｌｅｃｔｒｏｎＩＣｓＢｅｎｇｂｕＡｎｈｕｉ２３３０４２Ｃｈｉｎａ

Ａｂｓｔｒａｃｔ：ＤｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓｒｅｑｕｉｒｅＮｕｍｅｒｏｕｓｐａｒａｍｅｔｅｒｓａｒｅｒｅｑｕｉｒｅｄｂｙｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｎｅｃｅｓｓｉｔａｔｉｎｇａｌａｒｇｅａｍｏｕｎｔｏｆｌａｂｅｌｅｄ

ｄａｔａｆｏｒｍｏｄｅｌｔｒａｉｎｉｎｇ．Ｈｏｗｅｖｅｒ，ｆｏｒｍａｎｙｒａｒｅｃａｔｅｇｏｒｉｅｓ，ａｌａｒｇｅｎｕｍｂｅｒｏｆｌａｂｅｌｅｄｓａｍｐｌｅｓｃａｎｎｏｔｂｅｃｏｌｌｅｃｔｅｄ，ｗｈｉｃｈｓｅｖｅｒｅｌｙｌｉｍｉｔｓｔｈｅ

ｓｃａｌａｂｉｌｉｔｙｏｆｄｅｅｐｌｅａｒｎｉｎｇｍｅｔｈｏｄｓ．Ｉｎｓｐｉｒｅｄｂｙｒｅｍａｒｋａｂｌｅｈｕｍａｎａｂｉｌｉｔｙｏｆｆｅｗ－ｓｈｏｔｌｅａｒｎｉｎｇ，ｒｅｓｅａｒｃｈｉｎｔｈｅｆｉｅｌｄｏｆｆｅｗ－ｓｈｏｔｌｅａｒｎｉｎｇｈａｓ

ｐｒｏｌｉｆｅｒａｔｅｄｉｎｒｅｃｅｎｔｙｅａｒｓ，ｙｉｅｌｄｉｎｇｓｕｂｓｔａｎｔｉａｌｐｒｏｇｒｅｓｓ．Ｍｅｔｈｏｄｓｉｎｆｅｗ－ｓｈｏｔｌｅａｒｎｉｎｇａｒｅｓｙｓｔｅｍａｔｉｃａｌｌｙｒｅｖｉｅｗｅｄａｎｄｓｕｍｍａｒｉｚｅｄ．Ｆｉｒｓｔ，ｔｈｅ

，