Few-Shot Learning 是一种机器学习技术，它能够在仅用少量样本的情况下学习并泛化到新的类别。这种技术对于资源受限的环境或需要快速适应新类别的应用非常有用。

以下是一些常用的 Few-Shot Learning 数据集：

  • CIFAR-100：包含 100 个类别，每个类别 6000 张 32x32 的彩色图像。
  • MiniImageNet：包含 64 个类别，每个类别 600 张 84x84 的彩色图像。
  • ImageNet-1K：包含 1000 个类别，每个类别 1000 张 224x224 的彩色图像。

Few-Shot Learning 示例

想要了解更多关于 Few-Shot Learning 的内容，可以访问本站的 Few-Shot Learning 论坛。

更多资源：