计算机应用研究

作者：陈镜宇,吴加莹,罗佳,郁文倩,古月敬之,仲兆满,

单位：1.江苏海洋大学计算机工程学院,江苏连云港222005；2.北京工业大学经济与管理学院,北京100124；3.北京工业大学重庆研究院,重庆401121；4.早稻田大学情报生产系统研究院,日本福冈808-0135；

关键词：深度学习,人工智能,小样本学习,图像分类,多模态,大语言模型,

基金：国家自然科学基金资助项目(72174079)；北京市自然科学基金资助项目(9242003)；江苏省高等学校自然科学研究项目(23KJB520007)；重庆市自然科学基金资助项目(CSTB2023NSCQ-MSX0391)；江苏省“青蓝工程”大数据优秀教学团队资助项目(2022-29)；连云港市重点研发计划(产业前瞻与关键核心技术)资助项目(CG2323)；；

针对训练资源受限与部署环境要求日益严格的问题，小样本图像分类方法因其能够利用少量标注数据训练出高精度分类模型，已成为深度学习领域的研究热点。对基于深度学习的小样本图像分类算法进行系统梳理，阐述其基本流程与评价指标。根据方法特点，将现有研究归纳为基于优化、基于度量以及基于多模态三类，分别总结其主要技术路径与典型算法；进一步，通过对比分析现有算法在小样本数据集上的性能表现，总结其发展趋势，并指出该领域后续的主要研究方向。

来源：2026年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第2期