Few-Shot图像分类：全面概述
引言
Few-Shot图像分类 是一项具有挑战性的计算机视觉任务，涉及训练机器学习模型，使其能够仅使用每个类别少量标注样本（通常 < 6 个样本）对图像进行分类。其主要目标是使模型能够在有限的监督和数据下，识别并分类新的图像，而无需在大型数据集上进行大量训练。
基准测试（Benchmarks）
以下是Few-Shot图像分类领域中，在常用的基准测试下，各个不同数据集上表现最佳的模型。
| 数据集 | 类别数 | 样本数 | 最佳模型 |
|---|---|---|---|
| Mini-Imagenet | 5-way | 1-shot | SgVA-CLIP |
| Mini-Imagenet | 5-way | 5-shot | SgVA-CLIP |
| Tiered ImageNet | 5-way | 1-shot | CAML [Laion-2b] |
| CIFAR-FS | 5-way | 1-shot | PT+MAP+SF+SOT |
| CIFAR-FS | 5-way | 5-shot | CAML [Laion-2b] |
| CUB 200 | 5-way | 1-shot | PT+MAP+SF+SOT |
| CUB 200 | 5-way | 5-shot | CAML [Laion-2b] |
| FC100 | 5-way | 1-shot | BAVARDAGE |
| FC100 | 5-way | 5-shot | BAVARDAGE |
数据集（Datasets）
以下是Few-Shot图像分类领域中常用的数据集：
- ImageNet
- CIFAR-100
- CUB-200-2011
- mini-Imagenet
- Oxford 102 Flower
- Stanford Cars
- iNaturalist
- Caltech-256
- tieredImageNet
- AwA
库（Libraries）
以下是Few-Shot图像分类领域中常用的开源库【都属于github仓库，直接搜索即可】：
| 库名称 | 相关论文 | 星标数 |
|---|---|---|
| sicara/easy-few-shot-learning | 12 | 1,091 |
| learnables/learn2learn | 6 | 2,682 |
| cnguyen10/few_shot_meta_learning | 5 | 246 |
| peymanbateni/simple-cnaps | 4 | 116 |
| plai-group/simple-cnaps | 4 | 56 |
| google-research/big_vision | 2 | 2,432 |
| fmu2/PyTorch-MAML | 2 | 219 |
| nobody-1617/deta | 2 | 17 |
总结
Few-Shot图像分类是一个快速发展的领域，涉及多种数据集、基准测试和开源库。通过不断优化模型和算法，研究人员正在推动这一领域向前发展，使其在实际应用中更加高效和实用。