个人笔记对模型数学上的解读部分很大程度上受到这篇博客的启发与参考 Notation T=S∪QT=S \cup QT=S∪Q,support set and query set, support set SSS in each episode serves as the labeled training set xix_ixi​ and yi∈{C1,…,CN}=CT⊂Cy_i \in \{C_1,…,C_N\}=C_T \subset Cyi​∈{C1​,…,CN​}=CT​⊂C: iii th input data and its label, CCC is the set of all

A New Meta-Baseline for Few-Shot Learning的中文翻译 (近些年来元学习成为对于小样本学习的流行框架，目的是从小样本分类任务的集合中学习模型。尽管一些越来越多的元学习模型正在出现，我们的研究揭示了一些被忽略的简单基线，提出了一种元基线方法)

关于Adaptive Prototype Learning and Allocation for Few-Shot Segmentation

小样本学习是学术界和工业界近年来关注的焦点。2020年以来，随着AAAI、WSDM、ICLR、CVPR会议论文公布，现整理了最新8篇关于知识图谱的论文，来自Google、PSU、人大、微软、腾讯、阿里巴巴等，包含元迁移学习、图神经网络、小样本文本分类等，请大家查看！

本文提出了一种新的学习方法——元转移学习(MTL)。具体来说，“meta”是指训练多个任务，“transfer”是通过学习每个任务的DNN权值的缩放和变换函数来实现的。此外，我们还介绍了作为一种有效的MTL学习课程的困难任务元批处理方案。

paper reading 论文阅读Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

本文介绍34页小样本学习综述《Generalizing from a Few Examples: A Survey on Few-Shot Learning》，包含166篇参考文献，来自第四范式和香港科技大学习的研究学者。

翻译Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector_202

PPT分享Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector

2005.14165.pdf Language Models are Few-shot Learners