小样本深度学习在目标识别分类领域的应用前景研究

近年来,深度学习技术在大数据训练模型上取得了显著成就。但由于领域的特殊性,很难获取到大量标注/无标注样本,人工标注数据会耗费大量的人力,限制了其在该领域的应用和推广。而小样本目标识别分类只需要少量的标注样本数据,即可实现在有限样本条件下对典型目标的识别分类。以目标识别分类为主要应用领域,对基于数据增强、迁移学习和度量学习3种常用的提升小样本目标识别分类性能算法的研究现状进行了介绍,并阐述了算法的优缺点。对小样本学习仍旧面临的一些挑战和未来研究方向的展望进行了梳理和总结。